TY -的A2 Natella罗伯托盟——Almasri Ammar盟——Celebi Erbug盟——Alkhawaldeh Rami s . PY - 2019 DA - 2019/02/24 TI - EMT:合奏Meta-Based树模型预测学生成绩SP - 3610248六世- 2019 AB -在最近几十年,预测学生在学术领域的性能,揭示了研究者的注意力增强弱点和为未来的学生提供支持。为了促进任务,教育数据挖掘(EDM)技术用于构建预测模型由学生学术历史记录。这些模型目前嵌入式知识由人类可读性更强,可判断的。因此,本文提出了贡献三折叠,包括以下几点:(i)提供了一个深入分析选择的特性及其对性能的影响值使用统计分析技术,(2)建设和学习性能的几个来自不同家庭的机器学习分类器(ML)技术,(3)提出一个meta-based树模型(EMT)分类器技术来预测学生的表现。实验结果表明,EMT的整体技术获得高精度性能达到98.5%(或0.985)的风险。此外,拟议的EMT技术获得高绩效是更好的结果比其他技术。SN - 1058 - 9244 UR - https://doi.org/10.1155/2019/3610248 - 10.1155 / 2019/3610248摩根富林明科学编程PB - Hindawi KW - ER