| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 教育数据挖掘领域的研究现状 | 第10-11页 |
| 1.2.2 随机森林算法的研究现状 | 第11-13页 |
| 1.3 论文研究内容与目标 | 第13-14页 |
| 1.4 论文框架 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论知识 | 第15-24页 |
| 2.1 数据挖掘相关知识 | 第15-17页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的功能 | 第15-16页 |
| 2.1.3 数据挖掘的过程 | 第16-17页 |
| 2.2 决策树及相关概念 | 第17-19页 |
| 2.2.1 决策树概述 | 第17-18页 |
| 2.2.2 决策树属性的选择 | 第18-19页 |
| 2.3 随机森林算法理论综述 | 第19-22页 |
| 2.3.1 随机森林算法原理 | 第20页 |
| 2.3.2 随机性的引入 | 第20-21页 |
| 2.3.3 随机森林算法的优点 | 第21页 |
| 2.3.4 特征变量重要性的度量 | 第21-22页 |
| 2.4 Bootstrap方法简介 | 第22页 |
| 2.5 R语言简介 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于随机森林算法的ESP_RF算法 | 第24-29页 |
| 3.1 评价学生的重要性 | 第24页 |
| 3.2 基于成绩对学生评价的不足之处 | 第24页 |
| 3.3 基于随机森林算法的ESP_RF算法的提出 | 第24-25页 |
| 3.4 ESP_RF算法的基本原理 | 第25页 |
| 3.5 基于ESP_RF算法的学生成绩评价模型的建构 | 第25-28页 |
| 3.5.1 数据预处理 | 第26页 |
| 3.5.2 基于ESP_RF算法的学生成绩评价模型 | 第26-27页 |
| 3.5.3 ESP_RF算法性能的评价 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 ESP_RF算法的实现及结果分析 | 第29-38页 |
| 4.1 数据采集 | 第29-30页 |
| 4.2 数据预处理 | 第30-31页 |
| 4.3 实验与结果 | 第31-37页 |
| 4.3.1 预测学生第五学期的专业课成绩 | 第31-34页 |
| 4.3.2 预测学生第六学期专业课成绩 | 第34-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 总结与展望 | 第38-40页 |
| 5.1 本文总结 | 第38页 |
| 5.2 展望 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44-45页 |
| 攻读硕士学位期间科研工作情况 | 第45页 |