| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及意义 | 第8-11页 |
| 1.1.1 数学的特性 | 第9-10页 |
| 1.1.1.1 数学的严谨性 | 第9页 |
| 1.1.1.2 数学的整体性 | 第9-10页 |
| 1.1.1.3 我国数学的特殊性 | 第10页 |
| 1.1.2 数学成绩预测系统的优越性 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容与结构 | 第12-14页 |
| 1.3.1 论文研究内容 | 第12-13页 |
| 1.3.2 论文结构 | 第13-14页 |
| 第2章 LOGISTICSREGRESSION与数学成绩模型的算法分析 | 第14-27页 |
| 2.1 LOGISTICSREGRESSION分析 | 第14-18页 |
| 2.1.1 LogisticsRegression简介 | 第14页 |
| 2.1.2 LogisticsRegression基本思想 | 第14-18页 |
| 2.2 RANDOMFOREST算法 | 第18-21页 |
| 2.2.1 RandomForest算法简介 | 第18页 |
| 2.2.2 RandomForest基本介绍 | 第18-21页 |
| 2.3 XGBOOST介绍 | 第21-27页 |
| 2.3.1 Xgboost简介 | 第21-22页 |
| 2.3.2 Xgboost原理介绍 | 第22-27页 |
| 第3章 数据预处理 | 第27-37页 |
| 3.1 数据预处理简介 | 第27页 |
| 3.2 数据预处理意义 | 第27-31页 |
| 3.2.1 数据预处理的必要性 | 第27-28页 |
| 3.2.2 数据预处理的方法 | 第28-31页 |
| 3.2.2.1 缺失值处理 | 第28-29页 |
| 3.2.2.2 噪声数据处理 | 第29页 |
| 3.2.2.3 数据集成方法 | 第29-30页 |
| 3.2.2.4 数据平滑 | 第30页 |
| 3.2.2.5 数据约减 | 第30-31页 |
| 3.3 数据清洗应用 | 第31-37页 |
| 3.3.1 原始数据集属性介绍 | 第31-32页 |
| 3.3.2 数据预处理过程 | 第32-37页 |
| 第4章 特征工程 | 第37-53页 |
| 4.1 特征工程的介绍及意义 | 第37-38页 |
| 4.2 特征工程的方法 | 第38-39页 |
| 4.3 特征工程的应用 | 第39-50页 |
| 4.3.1 业务特征构造 | 第43-48页 |
| 4.3.2 RaschModel辅助构造特征 | 第48-50页 |
| 4.4 特征选择 | 第50-51页 |
| 4.5 试验结果分析 | 第51-53页 |
| 第5章 数学成绩预测系统的设计 | 第53-60页 |
| 5.1 数学成绩预测系统需求分析 | 第53-54页 |
| 5.2 系统架构设计 | 第54-55页 |
| 5.3 成绩预测系统 | 第55-59页 |
| 5.4 开发环境 | 第59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结和展望 | 第60-63页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 后续工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
