《表2 强关联课程和目标课程》

  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

《高校学生课程绩点预测方法》

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

然后，在数据预处理基础上选取17门专业课程作为分析对象（见表2）.运用Apriori算法对这些课程进行关联分析，按支持度高低进行排列，同时取前5门置信较度的课程作为关联课程，相关结果见表2.在考虑开课时间顺序的基础上，选取三组课程做绩点预测分析.课程组一:高等代数2、概率统计、运筹学、常微分方程和复变函数作为训练输入，数学模型作为目标输出.课程组二:复变函数、数学分析3、概率统计、大学物理和常微分方程作为训练输入，数值方法作为目标输出.课程组三:数据结构、数学分析1、高等代数2、程序设计和常微分方程作为训练输入，数值方法作为目标输出.注意到课程组二和课程组三的目标输出课程都是数值方法，不同的是:对于课程组二的训练输入课程，仅通过绩点的关联性强度高低来选取；对于课程组三的训练输入课程，不但要考虑绩点的关联性强度还要结合专业知识网络、所在课程社团以及知识之间关联程度.