评论文章

评估和评价不同的机器学习算法来预测学生的表现

表7

朴素贝叶斯的结果准确性。

研究 一年 预测功能 精度(%)

(42] 2015年 出席,内部等级,计算机技能,学校级别、移动、学费、学校类型、类型的板,和性别 65.1
(3] 2016年 年龄,部分,程序,方法,出生地,运输、主题、动机水平、作业,学费,家长教育,出席,沟通,GPA,测验,作业,实验室测试和期末考试 86年
(60] 2017年 列表的主题和成绩 83.6
(19] 2018年 性别、年龄、住院、出勤、学习模式,计划,教育地位、图书资源,和测试 72.4
(15] 2018年 CGPA,高风险,课程,考试抄袭计数,校园访问和校外访问 90年
(49] 2015年 视图/后的学生,课程信息、学生信息、提交作业和作业进度 96.9