《表2 课堂理论教学质量评价结果》

  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RVM机器学习方法的高校理论与实验教学质量评价模型》

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

将样本数据分成两部分，取前12组数据作为训练数据集（总样本的2 3），后6组数据作为测试数据集（总样本的1 3）。以11个教学质量评价指标[x1，x2，?，x11]作为MK-RVM的输入，教学质量Y作为MK-RVM的输出。MK-RVM通过对训练数据集进行学习，并利用遗传算法确定MK-RVM的最优参数为[49.23，54.37，0.79]，将参数带入MK-RVM模型，求解MK-RVM的αMP，σ2MP，u MP与Σ等参数。将这些参数代入式（2）、式（3）即可建立教学质量评价MK-RVM模型。将输入数据[x′1，x′2，?，x′11]代入MK-RVM，可估计对应教学质量Y′和结果的方差σY。基于上述建立的MK-RVM对训练数据集及测试数据集中的教学质量进行预测，并估计预测结果的方差。将方差代入式（5）、式（6），求解预测结果的95%置信度的置信区间，并绘制置信区间分析图。具体结果如表2及图1所示。基于测试集预测结果，分别统计均方根误差、最大相对误差、平均相对误差、后验差比、小误差概率、精度等级等评价指标。当前根据后验差比、小误差概率将精度等级划分为4个级别，具体精度等级划分如表3所示。利用测试集的测试结果，统计各项精度指标结果如表4所示。