1、“.....格具备较高的参考价值。结语针对国内在线学习分析技术的研究大多数还在引介述评上，实证研究方面有待提高，本文采用广义回归神经网络对从网络教学平台获得的量化特征以考试成绩为因变量进行回归建模。结果表明，对考试成绩的预测可以有效识别出可能存在考试危机的学生，从而可以使教师针对个体差异进行有效的教学决策教学干预，达到提高教学质量的目标。机器学习方法已经被证实可以应用在教育领域，同样在本文建立的考试成绩预测模型方法上有特征选择后所建立的模型虽然在预测能力和拟合度方面没有达到理想的效果，可能存在过拟合现象......”。

2、“.....能够在定程度上反映出学生对于课程的掌握程度，教师可以在考试前针对可能不及格的学生进行监督和指导。為了更加直观的去衡量模型的预测能力和拟合度，我们用散点图分别表示出样本测试集和训练集的实验结果，样本测试集预测结果图所示，样本训练集预测结果图所示通过上图图可以得出，无论是测试集还是训练集，对于大多数样本都应用非参数估计，通过样本数据集可估算密度函数。基于机器学习的在线学习数据分析与研究论文原稿。摘要本文主要以机器学习方法为基础对学生在线学习行为数据进行分析和研究......”。

3、“.....随后采用广义回归神经网络分别对选出的权重较高的个特征以及全部特征进行建模。结果表明，通过特征选择后的模型平均绝对误差为，无论是在预测能力还是预与支持。应用非参数估计，通过样本数据集可估算密度函数。的理论基础为非线性回归分析方法，独立变量与非独立变量的回归分析事实上是求得具有最大概率值的。已知两个随机变量和的联合概率密度函数为，设的样本观测值为，则相对于的条件均值为即为当输入值为时，的预测输出。实验结果数据集准备对数据集进行合理的划分将直接影响到回归模型的稳定性。本文采用算法将条从网络教学平台获取到的学生学方法上有着潜在的提升空间......”。

4、“.....尤其是对于低分和高分数据的扩充，在收集大量学生学习行为数据后，可以尝试与目前主流的些预测模型以及特征选取方法的性能进行对比，例如等。参考文献赵慧琼，姜强，赵蔚，等基于大数据学习分析的在线学习绩效预警因素及干预对策的实证研究电化教育研究，刘严多元线性回归的数学模型沈阳工程学院学报，基于机器学习的在线学习数据分析与研究论文原稿习行为数据按照的比例分成由条数据组成的训练集，和条数据组成的测试集。基于机器学习的在线学习数据分析与研究论文原稿。的理论基础为非线性回归分析方法，独立变量与非独立变量的回归分析事实上是求得具有最大概率值的......”。

5、“.....设的样本观测值为，则相对于的条件均值为即为当输入值为时，的预测输出。文主要以机器学习方法为基础对学生在线学习行为数据进行分析和研究。首先采用多元线性回归的方法对从网络教学平台获得的个量化特征按照对考试成绩的影响权重进行排序，随后采用广义回归神经网络分别对选出的权重较高的个特征以及全部特征进行建模。结果表明，通过特征选择后的模型平均绝对误差为，无论是在预测能力还是拟合优度方面都要高于采用全部特征的模型，因此该模型可以有效预测考试成绩，使教师能够识别出容易不及格的学生，及时提供样本都比较趋近于直线......”。

6、“.....训练集误差范围在的样本为，证明模型的泛化能力较强，无过拟合现象。此外，观察散点分布可知，对于分数在分之间的样本，模型的预测结果较准，而对于分以上及分以下的样本，存在高分预测偏低，低分预测偏高的现象，这是由于数据集中分以上及分以下的样本较少，尤其是分以下的样本只有个。我们注意到观测值为的样本，模型给出的预测值为，虽然误差较大，但是预测结果相对很低，对于考试，。摘要本，成绩不及格具备较高的参考价值。结语针对国内在线学习分析技术的研究大多数还在引介述评上，实证研究方面有待提高......”。

7、“.....结果表明，对考试成绩的预测可以有效识别出可能存在考试危机的学生，从而可以使教师针对个体差异进行有效的教学决策教学干预，达到提高教学质量的目标。机器学习方法已经被证实可以应用在教育领域，同样在本文建立的考试成绩预测模型基于机器学习的在线学习数据分析与研究论文原稿经过特征选择后所建立的模型虽然在预测能力和拟合度方面没有达到理想的效果，可能存在过拟合现象，但平均绝对误差为，能够在定程度上反映出学生对于课程的掌握程度，教师可以在考试前针对可能不及格的学生进行监督和指导。為了更加直观的去衡量模型的预测能力和拟合度......”。

8、“.....样本测试集预测结果图所示，样本训练集预测结果图所示通过上图图可以得出，无论是测试集还是训练集，对于大多机基础课程为例，采用的数据库含有从网络教学平台提取出的个在线学习量化特征，包括进入课程次数向老师提问次数课程讨论区发表话题次数等，这些特征与考试成绩密切相关。数据库含有条学生数据，经过有效的数据集划分后，使用广义回归神经网路对全部特征以及通过多元线性回归进行特征选择之后得到的部分特征进行建模。通过对结果的分析，可以得到模型的预测误差以及系列评价指标，教师可以在考试前针对预测结果进行真正意义上的因材施教......”。

9、“.....未来需增加样本数据集的涵盖面，尤其是对于低分和高分数据的扩充，在收集大量学生学习行为数据后，可以尝试与目前主流的些预测模型以及特征选取方法的性能进行对比，例如等。参考文献赵慧琼，姜强，赵蔚，等基于大数据学习分析的在线学习绩效预警因素及干预对策的实证研究电化教育研究，刘严多元线性回归的数学模型沈阳工程学院学报，较趋近于直线，其中测试集误差范围在的样本为，训练集误差范围在的样本为，证明模型的泛化能力较强，无过拟合现象。此外，观察散点分布可知，对于分数在分之间的样本，模型的预测结果较准，而对于分以上及分以下的样本，存在高分预测偏低......”。