大型开放式网络课程MOOC(Massive open online courses)中预测学习者的学习结果会遇到数据分布不平衡问题,为了克服这个问题提出一种结合降采样的堆模型的机器学习算法。该模型弥补了降采样算法的不足,使用堆模型作为框架避免了采样时...大型开放式网络课程MOOC(Massive open online courses)中预测学习者的学习结果会遇到数据分布不平衡问题,为了克服这个问题提出一种结合降采样的堆模型的机器学习算法。该模型弥补了降采样算法的不足,使用堆模型作为框架避免了采样时重要训练样本的丢失。在特征提取时,因为混合多门课程建模,为了防止不同数据分布之间的干扰,借鉴推荐系统的物品相似度引入课程相似度特征有效地传递了数据之间的信息。通过筛选基础模型建立了堆模型(融合模型),在一个大样本的MOOC数据集上进行实验对比,研究表明该模型抗干扰能力强、具有良好的预测效果。展开更多
大型开放式网络课程,即MOOC(massive open online courses)。自2012年兴起以来便备受世人瞩目。MOOC是一种"教学并重"的新型教学模式,不同于以往"以学为主"的网络教学,又不同于传统课堂的"以教为主"。MOO...大型开放式网络课程,即MOOC(massive open online courses)。自2012年兴起以来便备受世人瞩目。MOOC是一种"教学并重"的新型教学模式,不同于以往"以学为主"的网络教学,又不同于传统课堂的"以教为主"。MOOC依托大数据时代网络平台技术的飞速发展,凭借其资源多元化、课程受众面广、课程易使用、课程参与自主性强等特点使其在高校课程建设当中成为广泛传播知识、提高学习效率的有效载体。展开更多
文摘大型开放式网络课程MOOC(Massive open online courses)中预测学习者的学习结果会遇到数据分布不平衡问题,为了克服这个问题提出一种结合降采样的堆模型的机器学习算法。该模型弥补了降采样算法的不足,使用堆模型作为框架避免了采样时重要训练样本的丢失。在特征提取时,因为混合多门课程建模,为了防止不同数据分布之间的干扰,借鉴推荐系统的物品相似度引入课程相似度特征有效地传递了数据之间的信息。通过筛选基础模型建立了堆模型(融合模型),在一个大样本的MOOC数据集上进行实验对比,研究表明该模型抗干扰能力强、具有良好的预测效果。
文摘大型开放式网络课程,即MOOC(massive open online courses)。自2012年兴起以来便备受世人瞩目。MOOC是一种"教学并重"的新型教学模式,不同于以往"以学为主"的网络教学,又不同于传统课堂的"以教为主"。MOOC依托大数据时代网络平台技术的飞速发展,凭借其资源多元化、课程受众面广、课程易使用、课程参与自主性强等特点使其在高校课程建设当中成为广泛传播知识、提高学习效率的有效载体。
