科研之友
微信
新浪微博
Facebook
分享链接
摘要
学习成绩是反映学生是否掌握所学知识的重要评判方式。为提高学习成绩的预测精度，提出一种融合随机森林(random forest, RF)和带有注意力机制的AGRU(attention-gate recurrent unit, AGRU)预测模型。学生的学习成绩受多因素影响，通过分析影响学生成绩的各种因素可准确地对学生成绩进行预测。采用RF算法对影响学生成绩的特征进行分析，选择出重要性较高的特征；运用AGRU神经网络预测模型进行预测，其中，注意力层可区别对待不同特征，通过训练为不同的特征分配不同的权重。在公开数据集上对不同模型进行仿真试验，试验结果表明，所提随机森林与带有注意力机制的门控循环单元(random forest and attention gate recurrent unit, RF-AGRU)模型对学生成绩的预测精度更高。
- 单位
