基于深度森林的高校贫困生认定模型研究

基于深度森林的高校贫困生认定模型研究
滕玲;施三支;张梦菲;刘先俊
【期刊名称】《长春理工大学学报:自然科学版》
【年(卷),期】2022(45)3
【摘要】针对贫困生数据类别不平衡、特征复杂等特点,提出ADA-MDF贫困生认定模型。

首先利用ADASYN自适应过采样方法,通过合成少数类别样本,改善贫困生数据不平衡的问题,同时结合深度森林算法,拓展了其级联结构的多样性,加强模型的表征学习能力。

在相同数据下,与DF、RF、XGBoost、LGB、GBDT模型进行了10次对比实验,结果表明,该模型较其他模型综合性能更为优越,平均准确率达到93.11%,与学校目前应用的模型相比,准确率提高了8.81%。

综上,ADA-MDF贫困生认定模型是有效可行的,在高校资助工作中具有良好的应用前景。

【总页数】7页(P131-137)
【作者】滕玲;施三支;张梦菲;刘先俊
【作者单位】长春理工大学数学与统计学院;长春理工大学学生工作部
【正文语种】中文
【中图分类】O212.1
【相关文献】
1.高校贫困生认定标准与认定模型研究
2.基于深度学习kNN算法的高校贫困生认定模型研究
3.基于HMM的高校家庭贫困生认定模型研究
4.基于深度神经网络的高校贫困生认定模型
5.基于熵值模型的高校贫困生认定系统研究
因版权原因，仅展示原文概要，查看原文内容请购买。