通过一卡通数据预测学生成绩
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文的研究内容与组织结构 | 第11-13页 |
| 1.3.1 论文的研究内容 | 第11页 |
| 1.3.2 论文的组织结构 | 第11-13页 |
| 第2章 数据挖掘理论和相关技术 | 第13-22页 |
| 2.1 数据挖掘概述 | 第13页 |
| 2.2 数据挖掘过程 | 第13-15页 |
| 2.3 数据挖掘方法 | 第15页 |
| 2.4 数据挖掘算法 | 第15-21页 |
| 2.4.1 决策算法理论 | 第16-18页 |
| 2.4.1.1 ID3 算法 | 第16-18页 |
| 2.4.1.2 C4.5 算法 | 第18页 |
| 2.4.1.3 CART算法 | 第18页 |
| 2.4.2 随机森林算法理论 | 第18-20页 |
| 2.4.3 Adaboost算法理论 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 成绩预测方案设计 | 第22-29页 |
| 3.1 成绩预测问题分析 | 第22页 |
| 3.2 成绩预测方法 | 第22-23页 |
| 3.3 模型参数调优方法 | 第23-24页 |
| 3.4 成绩模型评价方法 | 第24-25页 |
| 3.5 数据集的划分 | 第25-26页 |
| 3.6 不平衡分类处理 | 第26页 |
| 3.7 成绩预测使用环境 | 第26-28页 |
| 3.7.1 python语言 | 第26-27页 |
| 3.7.2 PyCharm | 第27页 |
| 3.7.3 使用库包介绍 | 第27-28页 |
| 3.8 本章小结 | 第28-29页 |
| 第4章 一卡通数据分析与处理 | 第29-39页 |
| 4.1 数据的采集与清洗 | 第29-31页 |
| 4.2 数据探索 | 第31-35页 |
| 4.2.1 成绩数据分析 | 第31页 |
| 4.2.2 图书馆门禁数据分析 | 第31-32页 |
| 4.2.3 图书借阅数据分析 | 第32-33页 |
| 4.2.4 一卡通消费数据分析 | 第33-35页 |
| 4.3 数据特征构建 | 第35-38页 |
| 4.3.1 特征构建 | 第36-37页 |
| 4.3.2 数据的标准化 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 数据挖掘技术在成绩预测中的应用 | 第39-56页 |
| 5.1 基于决策树算法的成绩预测 | 第39-48页 |
| 5.1.1 第一学期成绩预测分析 | 第39-42页 |
| 5.1.2 第二学习成绩预测分析 | 第42-45页 |
| 5.1.3 第三学期成绩预测分析 | 第45-48页 |
| 5.2 基于随机森林算法的成绩预测 | 第48-54页 |
| 5.2.1 第一学期成绩预测 | 第48-50页 |
| 5.2.2 第二学期成绩预测 | 第50-52页 |
| 5.2.3 第三学期成绩预测 | 第52-54页 |
| 5.3 成绩预测分析总结 | 第54页 |
| 5.4 本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
