分类: 计算机科学 >> 计算机应用技术 提交时间: 2024-08-06
摘要: 针对学生学业预警二分类问题,本文提出一种基于 Stacking 的集成学习模型。模型结合了学生的家庭背景、在校表现和环境因素。本文通过使用BernoulliNB、HistGradientBoost 构建基学习器,Logistics 回归作为元学习器集成分类,并与其他基准模型进行比较。实验结果表明,模型的准确率达到 93.9%,分别高于 K临近算法,决策树模型,随机森林和lightgbm 模型7.99%,6.61%,2.20%,2.47%;且 F1分数达到 0.95,表明模型在学生学业预测上有较高应用价值。