基于机器学习的学生讲座推荐方法技术

本发明专利技术公开了基于机器学习的学生讲座推荐方法，方法包括数据采集、数据预处理、特征选择、聚类和个性化讲座推荐。本发明专利技术涉及推荐数据处理技术领域，具体是指基于机器学习的学生讲座推荐方法，本方案提出一种通过评估样本之间的相似性，并将部分样本数据转换为标签的特征选择方法，增强特征选择过程的灵活性和可操作性，为聚类提供更好的特征子集，从而提高聚类的性能和泛化能力；采用圆混沌映射、突变因子和替换策略改进获取聚类参数的算法，找到稳定的簇变化范围，提高聚类结果的质量。

【技术实现步骤摘要】

本专利技术涉及推荐数据处理，具体是指基于机器学习的学生讲座推荐方法。

技术介绍

1、当前的学生讲座推荐方法通常是依据学生的个人状况和参与讲座的情况，通过一定算法来提供相应的讲座内容和推荐，以满足学生的个性化需求。但是一般的讲座推荐方法中存在特征选择过程有选取过多冗余特征和特征选择中过拟合的问题；一般的讲座推荐方法中聚类算法中存在内置参数设置不当，导致聚类结果的不稳定，从而影响聚类结果的质量的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于机器学习的学生讲座推荐方法，针对一般特征选择方法存在选取过多冗余特征和特征选择中过拟合的问题，本方案提出一种通过评估样本之间的相似性，并将部分样本数据转换为标签的特征选择方法，增强特征选择过程的灵活性和可操作性，为聚类提供更好的特征子集，从而提高聚类的性能和泛化能力；针对聚类方法中存在内置参数设置不当，导致聚类结果的不稳定，从而影响聚类结果的质量的问题，本方案采用圆混沌映射、突变因子和替换策略改进获取聚类参数的算法，找到稳定的簇变化范围，提高本文档来自技高网...

【技术保护点】

1.基于机器学习的学生讲座推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤S3中，特征选择建立具体包括以下步骤：

3.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤S4中，聚类具体包括以下步骤：

4.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤S2中，数据预处理对采集的数据进行数据清洗、数据转化和标准化处理；所述数据清洗是处理缺失值、异常值和重复值；所述数据转换是将数据转换为向量形式；所述标准化处理是基于最大最小归一化方法对数据标准化...

【技术特征摘要】

1.基于机器学习的学生讲座推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤s3中，特征选择建立具体包括以下步骤：

3.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤s4中，聚类具体包括以下步骤：

4.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤s2中，数据预处理对采集的数据进行数据清洗、数据转化和标准化处理；所述数据清洗是处理缺失值、异常值和重复值；所述数据转换是将数据转换为向量形式；所述标准化处理是基于最大最小归一化方法对数据标准化处理。

5.根据权利要求1所述的基于机器学习的学生讲座推荐方法，其特征在于：在步骤...

【专利技术属性】
技术研发人员：江丰海，赵冬兴，周聪，
申请(专利权)人：山东理工职业学院，
类型：发明
国别省市：