申请/专利权人:河北经贸大学
申请日:2023-12-27
公开(公告)日:2024-04-02
公开(公告)号:CN117808353A
主分类号:G06Q10/0639
分类号:G06Q10/0639;G06Q50/20;G06F18/27;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本申请提供一种基于Stacking算法的教学评分预测方法、装置及电子设备。该方法包括:获取学生评价数据进行数据预处理和特征提取,获取样本数据集;基于样本数据集训练多个回归模型和调参处理,并根据设定模型预测评价指标排序从多个回归模型中选取n个目标预测模型;其中,n≥2;选择Stacking模型集成策略,以目标预测模型构建Stacking模型的第一层的n个基学习器,并分别以各目标预测模型作为Stacking模型的第二层元学习器;选取目标集成模型,并综合目标集成模型和设定模型预测评价指标最优的回归模型确定教学评分预测模型;确定所述教学评分预测模型的输出结果为教学评分预测结果。本申请综合多种评价指标和回归模型对于教师的教学质量进行评估,评价结果精确度高。
主权项:1.一种基于Stacking算法的教学评分预测方法,其特征在于,包括:获取用于教师教学质量评价的学生评价数据,对所述学生评价数据进行数据预处理和特征提取,获取样本数据集;基于所述样本数据集训练多个回归模型,采用网格优化算法调整各回归模型的参数,并根据设定模型预测评价指标排序从所述多个回归模型中选取n个目标预测模型;其中,n≥2;选择Stacking模型集成策略,以所述目标预测模型构建所述Stacking模型的第一层的n个基学习器,并分别以各目标预测模型作为所述Stacking模型的第二层元学习器,获得n个候选集成模型;基于所述样本数据集训练所述n个候选集成模型,选取设定模型预测评价指标最优的候选集成模型为目标集成模型,并综合所述目标集成模型和设定模型预测评价指标最优的回归模型确定教学评分预测模型;确定所述教学评分预测模型的输出结果为教学评分预测结果。
全文数据:
权利要求:
百度查询: 河北经贸大学 基于Stacking算法的教学评分预测方法、装置及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。