【技术实现步骤摘要】
本专利技术属于计算机数据挖掘以及在线教学，特别涉及一种基于随机森林和金枪鱼群优化算法的学习预警方法。
技术介绍
1、在线教学目前基本上实现了线上网络教学和线下课堂教学相互交融、实质等同的一种模式。
2、然而，在教育教学快速发展的同时，仍然存在着一些学习管理的问题。例如，在线教育环境中教师缺乏对学习者的行为监控以及课后管理，尤其是学习者较多的课程。学习预警中的过程预警和挂科(即不及格)预警技术是解决上述危机的关键。学习预警是指通过建立模型，对数据进行系统性分析，依照模型的预警效果，对学习者和教师发出警示，并及时提供相关的预警建议。
3、通过构建预警模型，可以帮助教师更好地了解学生的学习进度、学习状态和学习情况，有助于调整和改进教学内容、教学方法和教学策略，同时可以更加科学地监测学生的学习情况，及时发现与解决问题，提高教学质量和效率。对于学生来说，学习预警可以帮助学生及时发现学习中存在的问题和困难，通过调整学习方法和方式，提高学习效率和质量，以此提高学习成绩。
4、然而目前的学习预警系统非常依赖课程的前置数据，例如前次考试的各科考试成绩，难以预测一个全新学期(例如大一上学期)的科目成绩；同时存在发出预警的时间较晚的问题，往往只能是通知预警结果而无法让学生及时了解自身情况做出改变。
5、目前的学习预警模型中常见的流行算法包括：人工神经网络、支持向量机、极端梯度提升树，无法观察学习过程，容易过度拟合。随机森林(rf)可以大大减少这些缺点，并产生高精度的分类器，但rf的参数会因选择不当而导致
技术实现思路
1、为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于随机森林和金枪鱼群优化算法的学习预警方法，以提高预警的时效性和学习预警的准确性。
2、为了实现上述目的，本专利技术采用的技术方案是：
3、一种基于随机森林和金枪鱼群优化算法的学习预警方法，包括如下步骤：
4、步骤1，通过在线教育平台采集学生学习数据，并对异常值和缺失值进行预处理；所述学习数据包括学生个人信息及其单元测验数据，并划分训练集和测试集；
5、步骤2，对预处理后的学生学习数据进行特征选择，选择出对相应学科期末考试成绩影响最高的前k个特征值；
6、步骤3，通过金枪鱼群优化算法(tuna swarm optimization，tso)对随机森林(rf)模型中的参数进行预测精度调优；
7、步骤4，将训练集作为输入特征变量输入到调优后的随机森林模型，建立tso-rf(金枪鱼群优化随机森林算法)学习预警模型，引入测试集，利用该tso-rf学习预警模型输出对学生相应学科期末考试成绩的预测；
8、步骤5，通过预测结果对学生和教师发送学习预警。
9、在本专利技术的实施例中，所述步骤1，通过内蒙古工业大学线上教育平台采集的学生学习数据为表格文件，首先对同一个学生的数据进行组合，然后将完成组合的表格文件转换成csv格式，将csv格式的数据输入lastlof算法，对数据进行清洗，剔除无效数据和异常数据，并对缺失值进行补充
10、在本专利技术的实施例中，所采集的数据分散在不同的表格，包括课程学习记录、课程学习考核登记表、单元测试成绩等，同时每个学生都有不同单元的单元测试记录，在每个单元测试记录中每个学生的每次提交都是一条数据。所述对同一个学生的数据进行组合，是通过数据整合将同一单元同一学生的所有提交数据整理成一条该学生的单元测试数据，再将所有的特征拼接在一个表上，得到学生的完整学习数据。
11、在本专利技术的实施例中，所述学生个人信息包括：学生的姓名、学号、班级以及前置数据，所述前置数据，是指学生在学习某一学科之前，与该学科相关的参考成绩数据，增加没有前置课程时的预测精度；所述单元测验数据包括班级编号、班级名称、姓名、用户名、所属分组、提交成绩、题目类型、最终成绩、开始测试时间、提交测试时间、测试用时。
12、在本专利技术的实施例中，所述步骤2，采用relieff算法计算出特征的最终特征权重值，计算的权重值越大，特征对预测结果的重要性越高。
13、在本专利技术的实施例中，所述步骤3，使用金枪鱼群优化算法对随机森林回归模型中的以下4个参数进行预测精度调优：
14、max_features：随机森林允许单个决策树使用特征的最大数量；
15、n_estimators：建立多少棵树；
16、max_depth：最大深度；
17、min_sample_leaf：最小样本叶片大小；
18、调优方法如下：
19、步骤3.1：初始化金枪鱼群优化算法的参数；
20、步骤3.2：将分类精度设置为tso的适应度函数；
21、步骤3.3：计算初始化的适应度值，并将其保存为最佳位置；
22、步骤3.4：循环tso算法，不断更新最佳位置；
23、步骤3.5：确定当前迭代次数是否达到终止条件，如果是，则结束调优；如果否，则进入步骤3.4。
24、步骤3.4：循环金枪鱼群优化算法，不断更新最佳位置，直至满足终止条件。
25、在本专利技术的实施例中，所述步骤4，将金枪鱼群优化算法获得的max_features、n_estimators、max_depth和min_sample_lea的最优解带入随机森林模型，引用训练集作为输入特征变量输入到调优后的随机森林模型进行训练，建立tso-rf学习预警模型。
26、在本专利技术的实施例中，所述步骤5，根据步骤4中得到的预测结果给学生和教师发出学习预警，学习预警类型包括单元预警、不及格与退课预警、学业预警和教师预警；
27、单元预警：在每个单元测试结束之前对目前尚未开始答题的学生以及成绩未及格的学生分别发出做题提醒，在测试结束后对本单元最终成绩不及格和预测成绩有不及格风险的学生预警，提醒该学生本知识点掌握不充分；
28、不及格与退课预警：退课预警针对的是从第一单元到当前所学的单元，系统会计算目前所有结束的测验中学生所得的总成绩占总分的百分比，并且与构建的学习预警模型预测的期末考试成绩加权相加预测出最终的课程成绩，根据预测出最终的课程成绩，针对必修课做出不及格预警，对选修课做出退课预警；
29、学业预警：学业预警分为黄色预警、橙色预警、红色预警三个等级，分别针对一般、严重和特别严重的学业问题进行预警。学业预警主要目的是提醒学生有学业警示的风险；
30、教师预警：教师可以根据课程的工程认证设置知识点对应的章节，系统会根据学生单元测试和期末测试中各个知识点的成绩，分析每个知识点的完成度并发送给教师，在每次测试结束后，将发送预警的学生名单发送教师，并将本次测试各个班级成绩的平均数、中位数、方差、成绩分布图和班级的成绩走势发给教师，在每次给学生发送不及格预警时，将名单汇总发给教师。
31、在本专利技术本文档来自技高网...
【技术保护点】
1.一种基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤1，采集的学生学习数据为表格文件，首先对同一个学生的数据进行组合，然后将完成组合的表格文件转换成csv格式，将csv格式的数据输入LastLOF算法，对数据进行清洗，剔除无效数据和异常数据，并对缺失值进行补充。
3.根据权利要求2所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述对同一个学生的数据进行组合，是通过数据整合将同一单元同一学生的所有提交数据整理成一条该学生的单元测试数据，再将所有的特征拼接在一个表上，得到学生的完整学习数据。
4.根据权利要求2所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述学生个人信息包括：学生的姓名、学号、班级以及前置数据，所述前置数据，是指学生在学习某一学科之前，与该学科相关的参考成绩数据，增加没有前置课程时的预测精度；所述单元测验数据包括班级编号、班级名称、姓名、用户名、所属分组、提交成绩、题目类型、最终成绩
5.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤2，采用ReliefF算法计算出特征的最终特征权重值，计算的权重值越大，特征对预测结果的重要性越高。
6.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤3，使用金枪鱼群优化算法对随机森林回归模型中的以下4个参数进行预测精度调优：
7.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤4，将金枪鱼群优化算法获得的max_features、n_estimators、max_depth和min_sample_lea的最优解带入随机森林模型，引用训练集作为输入特征变量输入到调优后的随机森林模型进行训练，建立TSO-RF学习预警模型。
8.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤5，根据步骤4中得到的预测结果给学生和教师发出学习预警，学习预警类型包括单元预警、不及格与退课预警、学业预警和教师预警；
9.根据权利要求8所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述预测出最终的课程成绩，公式如下：
...【技术特征摘要】
1.一种基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述步骤1，采集的学生学习数据为表格文件，首先对同一个学生的数据进行组合，然后将完成组合的表格文件转换成csv格式，将csv格式的数据输入lastlof算法，对数据进行清洗，剔除无效数据和异常数据，并对缺失值进行补充。
3.根据权利要求2所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述对同一个学生的数据进行组合，是通过数据整合将同一单元同一学生的所有提交数据整理成一条该学生的单元测试数据，再将所有的特征拼接在一个表上，得到学生的完整学习数据。
4.根据权利要求2所述基于随机森林和金枪鱼群优化算法的学习预警方法，其特征在于，所述学生个人信息包括：学生的姓名、学号、班级以及前置数据，所述前置数据，是指学生在学习某一学科之前，与该学科相关的参考成绩数据，增加没有前置课程时的预测精度；所述单元测验数据包括班级编号、班级名称、姓名、用户名、所属分组、提交成绩、题目类型、最终成绩、开始测试时间、提交测试时间、测试用时。
5.根据权...
【专利技术属性】
技术研发人员：徐宝清，王东昫，薛星宇，李雷孝，马志强，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。