论文部分内容阅读
基于学生感知的课程在线评价是评价教师绩效的常用工具之一.本文利用决策树算法、支持向量机、贝叶斯和随机森林四种不同的分类技术,对学生课程评价数据集进行分类实验.结果显示,四个分类器模型的分类性能都较高,其中随机森林分类器在准确率、查准率和查全率和F1值上都是最好的.此外,还分析了每个分类器模型中各个评价特征的重要性,可以用于进一步完善评价指标体系.实验结果表明,学生对课程的评价主要取决于他们对课程的兴趣.本文验证了机器学习模型在课程评价和高等教育挖掘中的有效性.