《表6 第一组部分测试结果和实际值对照》

  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

《学习测评大数据支撑下面向知识点的学习预警建模与仿真》

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

对于预警模型有效性的验证将采用5折交叉验证法。5折交叉验证（K-fold Cross Validation，K取值为5）方法是将500条测评数据随机分成5组，其中每组100条数据，依次将每一组轮流作为验证数据，其余的4组作为训练模型的数据，交叉验证重复5次，即得到5个参数各不相同的模型。当以上5组模型利用样本数据参数学习完毕，分别对它们进行模型验证。验证的过程是:首先，利用训练数据集填充贝叶斯网络条件概率表；其次，利用验证集中的样本数据在已有参数的贝叶斯网络上进行概率推理，根据对验证数据中每一条证据的处理，分析工具会对学生知识点各层级掌握情况的每个状态生成概率值，根据判别值结果来预测学生知识点综合掌握情况。以对第一组数据验证为例，部分测试结果与实际值的对照，见表6。将五组预测值和实际值一一进行比较，以此计算出模型的错误率，错误率计算公式如下:。模型的整体性能由以上错误率的平均数来表征，五组的错误率分别为20.3%、18.4%、20.2%、17.1%、17.6%，由此可得平均错误率为18.72%，可见模型的整体性能良好。