<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Vorhersage der endgültigen Ergebnisse der Schüler mit JMP Pro 12
Thailändischer Cao
Juana Rodriguez
Oklahoma State University
Abstrakt:
Es gibt eine Vielzahl von Faktoren, die die Schulergebnisse von Teenagern beeinflussen können. Durch das Verständnis dieser Faktoren können Schulen und Eltern rechtzeitig Unterstützung bieten, was den Schülern helfen kann, ihre Schulnoten zu verbessern und in der Zukunft bessere Leistungen zu erbringen. Wir haben Daten von 1.044 Schülern in zwei öffentlichen öffentlichen Schulen in Portugal ("GP" - Gabriel Pereira und "MS" - Mousinho da Silveira) vom UCI Machine Learning Repository erhalten. Der Originaldatensatz enthält 33 Eingangsvariablen und eine als "G" identifizierte Nennzielvariable, die die durchschnittliche Abschlussnote der Schüler enthält. In der portugiesischen Mittelschule besteht ein Schüler eine Klasse, wenn er 50% oder mehr für das Endergebnis erzielt. Zum Zwecke unserer Analyse haben wir aus den durchschnittlichen Endnoten des ursprünglichen Datensatzes ein binäres Ziel erstellt. Die neue Zielvariable heißt "Final" und beschreibt, ob die Schüler die Klasse bestanden haben oder nicht. Es gibt keine fehlenden Werte in der Datenmenge. Es wurde keine Multikollinearität unter den Eingangsvariablen beobachtet und wichtige Eingangsvariablen für die Modellbildung wurden unter Verwendung des Chi-Quadrat-Tests ausgewählt.
In diesem Projekt verwenden wir JMP 12 Pro, um Modelle (Regression, Decision Tree und Neuronales Netzwerk) zu entwickeln, um basierend auf ihren persönlichen Merkmalen, Gewohnheiten, familiären und demografischen Merkmalen und Schulleistungen vorherzusagen, ob Schüler ihren Unterricht bestehen oder nicht. Solche Modelle helfen nicht nur, die Ergebnisse der Schüler vorherzusagen, sondern bieten auch Einblick in die Auswirkungen jedes einzelnen Faktors auf die Leistung der Schüler.
