《表9 随机森林+等距分箱+SMOTE建模预测细节分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据预处理技术的学生成绩预测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表7中我们可以看到，未经预处理的数据集运用随机森林算法来进行预测，虽然可以以比较高的准确率来预测C、B、D三个等级，且成绩等级为A的学生最终有42.1%被正确预测，但等级为E的同学只有10%被正确预测，所以，虽然此模型的最终分类准确率能达到65.2%，但综合的效果不好.从表8中可以看到，经过SMOTE和人工分箱处理后，利用相同算法训练得到的模型对于类别A和E预测的能力得到了一定的提升，预测精度分别提高到50%和95%.表9的模型不同于表8的模型，使用了等距分箱进行建模对类别A和E的预测精度分别上升到67.1%和85%，最终的预测准确率为67.82%.最后再看表10，使用SMOTE和等频分箱处理的模型，不仅对原本的少数类A和E的预测精度提高到86.8%和91.3%，而且此方法的最终分类准确率也是几种方法中最高的，达到了71.72%.纵观经过预处理后的3种模型，对于等级为E（即不及格）的同学的预测准确率分别达到了95%、85%、91.3%，可以说达到了我们想要的效果.