پیش بینی عملکرد دانشجویان با استفاده از متدهای ناپارامتریک رگرسیون فازی با رویکردی آماری

این مقاله رویکردی جدید بر پایه متدهای ناپارامتریک رگرسیون فازی برای پیش بینی نمرات دانشجویان در امتحان پایان ترم و بهبود نتایج بعدی با استفاده از داده های ثبت شده در یک سیستم آموزشی تحت وب را ارائه میدهد. این تکنیک پیش بینی، با ترکیب الگوریتم یادگیری Ridge در فضای دو تایی لانگرانژ حاصل می شود. در این رویکرد، از معیار فاصله برای اعداد فازی که به وسیله Diamond پیشنهاد شده است استفاده می شود و به منظور محاسبه معیار هدف، تکنیک هموار سازی خطی محلی با روال Cross Validation برای انتخاب مقدار بهنیه پارامتر هموارسای، فازی شده است. در انتها، دقت روش جدید با سایر تکنیک های داده کاوی مقایسه می شود. محاسبات نشان میدهند زمانی که از روش رگرسیون ناپارامتریک فازی استفاده می شود، کارآیی به طور قابل ملاحظه ای بهتر و نقایص تمامی الگوریتم های ارائه شئه مرتفع می گردد.

کلیدواژه ها:

داده کاوی آموزشی ، پیش بینی نمرات ، رگرسیون خطی ، رگرسیون ناپارامتریک ، سیستم آموزشی