| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 教育数据挖掘研究现状 | 第8-10页 |
| 1.3 本文研究的主要内容 | 第10-11页 |
| 1.4 本文的工作及论文结构 | 第11-12页 |
| 2 教育数据挖掘概述 | 第12-18页 |
| 2.1 数据挖掘技术的原理及基本步骤 | 第12-14页 |
| 2.1.1 数据挖掘的定义及原理 | 第12-13页 |
| 2.1.2 数据挖掘的基本步骤 | 第13-14页 |
| 2.2 教育数据挖掘的特点 | 第14-17页 |
| 2.2.1 教育数据挖掘的过程 | 第16页 |
| 2.2.2 教育数据挖掘在国内外的教育实践 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 机器学习算法 | 第18-25页 |
| 3.1 贝叶斯分类器 | 第19-21页 |
| 3.1.1 贝叶斯定理 | 第19页 |
| 3.1.2 朴素贝叶斯分类法 | 第19-21页 |
| 3.2 逻辑回归算法 | 第21-23页 |
| 3.2.1 逻辑回归模型 | 第21-22页 |
| 3.2.2 基于最优化方法的最佳回归系数确定 | 第22-23页 |
| 3.3 本章小结 | 第23-25页 |
| 4 数据集及数据预处理 | 第25-40页 |
| 4.1 数据来源 | 第25-26页 |
| 4.1.1 网络日志 | 第25-26页 |
| 4.1.2 学生成绩数据 | 第26页 |
| 4.2 数据预处理 | 第26-34页 |
| 4.2.1 网址分类与频次统计 | 第27-30页 |
| 4.2.2 视频时间统计 | 第30-33页 |
| 4.2.3 成绩处理 | 第33-34页 |
| 4.3 特征选取 | 第34-39页 |
| 4.3.1 上网频次特征的选取 | 第37页 |
| 4.3.2 视频时间与成绩特征 | 第37-38页 |
| 4.3.3 数据的正态转换 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 一个基于数据挖掘的成绩预测模型的构建与软件实现 | 第40-57页 |
| 5.1 特征组合 | 第40页 |
| 5.2 交叉验证 | 第40-41页 |
| 5.3 模型评估 | 第41-44页 |
| 5.3.1 逻辑回归预测结果 | 第42-43页 |
| 5.3.2 朴素贝叶斯分类器预测表现 | 第43页 |
| 5.3.3 模型对比与评估 | 第43-44页 |
| 5.4 软件实现 | 第44-56页 |
| 5.4.1 系统概述 | 第44页 |
| 5.4.2 系统功能模块的设计 | 第44-45页 |
| 5.4.3 系统运行环境 | 第45-46页 |
| 5.4.4 系统设计 | 第46-48页 |
| 5.4.5 系统数据库表结构的设计 | 第48-52页 |
| 5.4.6 网络日志分析系统主要界面设计 | 第52-54页 |
| 5.4.7 成绩预测系统主要界面设计 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| 6.1 本文工作总结 | 第57页 |
| 6.2 后续的工作及展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 作者在攻读硕士学位期间发表的论文目录 | 第63页 |