《教育數據挖掘技術的可解釋研究》是2020年科學出版社出版的圖書。
基本介紹
- 中文名：教育數據挖掘技術的可解釋研究
- 作者：周慶,牟超,全文君 等
- 類別：社會科學
- 出版社：科學出版社
- 出版時間：2020年
- 開本：16 開
- 裝幀：平裝
- ISBN：9787030672933
內容簡介,圖書目錄,
內容簡介
本書系統介紹了教育數據挖掘套用中可解釋性問題的研究背景、研究進展和技術框架。與傳統可解釋性研究主要針對建模階段不同，本書對可解釋性的研究涉及數據挖掘的整個生命周期，特別是數據理解階段、數據準備階段、數據建模階段和模型評價階段。此外，本書還介紹了教育數據挖掘中聚類問題的可解釋性。
圖書目錄
目錄
1 緒論 1
1.1 研究背景和意義 1
1.1.1 本書的研究背景 1
1.1.2 研究意義 2
1.2 國內外研究進展 3
1.2.1 機器學習模型的可解釋性 3
1.2.2 EDM中的可解釋性研究 8
1.2.3 當前研究存在的問題 11
1.3 本書主要研究內容及工作 12
1.3.1 本書主要研究內容 12
1.3.2 本書的工作 12
1.4 本書組織結構 14
2 基礎知識介紹 15
2.1 EDM技術 15
2.2 本書涉及的套用問題 17
2.2.1 網際網路行為預測學生表現 17
2.2.2 就業層次預測 18
2.3 EDM中常見的分類模型及其可解釋性 19
2.3.1 常見分類模型 19
2.3.2 模型的可解釋性 24
2.4 預測模型的評估標準 27
2.5 本書所涉及數據集的介紹 28
2.5.1 教育數據集 28
2.5.2 其他數據集 33
2.6 本章小結 34
3 一個理解原始數據集的處理流程 35
3.1 引言 35
3.2 IIOD-DU流程 36
3.2.1 流程概述 36
3.2.2 兩種特徵選擇方法 38
3.3 實驗結果與分析 40
3.3.1 數據集 40
3.3.2 理解問題的難度 40
3.3.3 理解類標 42
3.3.4 理解特徵 46
3.4 本章小結 50
4 一種兩階段的數據準備方法 51
4.1 引言 51
4.2 TSDP方法 52
4.2.1 方法概述 52
4.2.2 I階段分析 53
4.2.3 II階段的分析 56
4.3 兩種事後解釋方法 57
4.4 實驗 57
4.4.1 實驗一：驗證TSDP方法的有效性 57
4.4.2 實驗二：使用事後解釋法理解特徵 57
4.5 本章小結 57
5 一種基於認知的黑盒模型解釋方法 57
5.1 相關知識介紹 57
5.1.1 流行學習技術 57
5.1.2 人的分類學習 57
5.2 HCLI方法 57
5.2.1 方法概述 57
5.2.2 原型解釋 57
5.2.3 範例解釋 57
5.3 實驗 57
5.3.1 人工合成數據集 57
5.3.2 UCI數據集 57
5.3.3 真實數據集 57
5.4 本章小結 57
6 一種跨模型評估可解釋性的研究架構及其實現 57
6.1 引言 57
6.2 EIDM研究架構 57
6.3 提取特徵 57
6.4 測量可解釋性 57
6.4.1 調查問卷的設計 57
6.4.2 調查問卷的實施 57
6.5 標註類標 57
6.6 構建評判模型 57
6.7 實驗結果與分析 57
6.7.1 驗證調查的合理性 57
6.7.2 評估判別模型的性能 57
6.7.3 實驗小結 57
6.8 本章小結 57
7 一種基於用戶滿意度的聚類方法 57
7.1 聚類質量評價 57
7.2 USBC方法 57
7.2.1 方法概述 57
7.2.2 **化模型 57
7.2.3 模型求解 57
7.2.4 聚類結果再聚類 57
7.3 實驗過程及結果分析 57
7.3.1 UCI數據集 57
7.3.2 真實數據集 57
7.4 本章小結 57
參考文獻 57
