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9

支持向量机(SVM)的结果准确性。

研究 一年 预测功能 精度(%)

(40] 2016年 出勤、上课时间、类长度、教师知识,老师外观、性能、作业、考试、课程材料,通讯、动机、学习效果和成绩 91.3
(16] 2018年 专业化、主题、编程技巧、分析技巧,个人信息,记忆,车间、认证,和体育 90.3
(27] 2019年 性别、种族、等级和主题 77年
(20.] 2019年 性别、国籍、出生地、关系,StageID, SectionID, GradeID,话题,学期,举起双手,访问资源,发布观点,讨论,家长满意度,和出勤率 66年
(52] 2019年 动机、个性,学习策略,社会经济地位,学习方法,和社会心理的影响 90年
(28] 2019年 性能、主题、父母的状况、家庭规模、位置和地址 79.4
(36] 2020年 性别、年龄、地址位置、家长工作、旅行时间、学习时间,空闲时间,失败,活动,健康,和abstance 71.2