科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对贫困生数据类别不平衡、特征复杂等特点，提出ADA-MDF贫困生认定模型。首先利用ADASYN自适应过采样方法，通过合成少数类别样本，改善贫困生数据不平衡的问题，同时结合深度森林算法，拓展了其级联结构的多样性，加强模型的表征学习能力。在相同数据下，与DF、RF、XGBoost、LGB、GBDT模型进行了10次对比实验，结果表明，该模型较其他模型综合性能更为优越，平均准确率达到93.11%，与学校目前应用的模型相比，准确率提高了8.81%。综上，ADA-MDF贫困生认定模型是有效可行的，在高校资助工作中具有良好的应用前景。
- 单位
