学生课程辍学预测
類別:机器学习

该项目旨在设计一个人工智能模型,用于预测大学课程学生辍学率的百分比。
我们为位于瑞典的大学提供了这个项目。这所大学注意到大量学生没有完成学业。我们想要设计一个有助于监控并最终有助于扭转这一趋势的解决方案。

 
我们花在项目上的时间
alt
我们优秀,经验丰富的团队拥有出色的机器学习知识,仅用了6周时间就完成了该项目的建设。
准确性
最后,该模型在课程辍学预测中获得了92%的准确性
%
机器学习技巧

学习算法的选择是机器学习最重要的阶段之一。
我们决定在项目中使用随机森林算法。它是一种执行非常密集计算的算法。换句话说,它是一种分类和回归的学习方法,通过基于随机数据子集构建大量决策树来进行操作。

alt
与其他算法相比,随机森林算法被证明是最有效的算法。适用于大数据和对数据间歇性不敏感。该算法由
0 随机树
数据库大小 - 观察数量
初步观察数量
0
由于数据库转换而获得的观察数量
0
项目中使用的语言和框架

因此,建立了机器学习模型,通过在学习平台上分析给定的学生活动,能够预测学生辍学的风险。

参与数据时最困难的任务是完整理解和创建完整的问题定义(即了解哪些数据告诉我们学生成功,哪些表明学生’失败)。另一个挑战是准备一个数据集,因为客户提供的大量数据集需要清理和补充。

我们决定不仅考虑课程完成时学习门户网站上的学生活动总数,还会在较短的课程间隔内监控学生的活动和成就。

我们的团队致力于获取数据核心,并了解我们要解决的问题。

建立了全面的研究问题定义。彻底分析了清洁和补充的数据集。在此基础上,我们选择了最适合的功能和最佳模型,后来经过测试和优化。

挑战结果非常成功。我们设法构建了算法,该算法能够以超过90%的概率预测学生课程辍学的风险。

您是否希望从机器学习中获益,以获得超越竞争对手的竞争优势?