教育数据挖掘技术与应用

图书标准信息

• 作者 丁继红
• 出版社 电子工业出版社
• 出版时间 2021-10
• 版次 1
• ISBN 9787121420733
• 定价 68.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 276页
• 字数 414千字

【内容简介】

本选题首先深入剖析了教育大数据的特征，提出教育大数据分析与挖掘技术的目标和应用前景，梳理教育领域常用的分析挖掘技术，揭示教育大数据分析的本质。随后，从教育数据获取与预处理、数据降维、分析与预测、多维关联挖掘、聚类分析、滞后时间序列分析、社会网络分析等七个方面介绍教育数据挖掘的原理和实践。本选题不仅阐释了决策树、人工神经网络、支持向量机、朴素贝叶斯分类器、Logistic回归、Apriori算法、K-Means聚类、层次聚类等分析技术的原理，也利用SPSS Modeler、GSEQ、Ucinet、Gephi等软件结合案例和实操对这些算法的应用场景进行了全面介绍。本选题结合案例将复杂的数据分析技术进行深入浅出的讲解，选用教育领域的数据进行预处理、降维、预测、聚类、关联分析、时间序列分析和社会网络分析。与此同时，结合微视频讲解案例操作，形成立体化教材，努力将本书打造成在内容设计上面具有实践性，在知识层面上具有发展性，在表现形式上具有富媒体性的图书。

【作者简介】

丁继红，博士，浙江工业大学教育科学与技术学院硕士生导师，讲师。具有教育技术学、计算机科学与技术的跨学科研究背景，多年来一直从事智能教学系统、自适应学习和教育精准服务等相关研究工作，主持国家自然科学青年基金、浙江省哲学社会科学基金等项目7项，第二参与国家基金2项，以作者发表20多篇SCI一区，SSCI一区、CSSCI、CSCD研究论文。

【目录】

第1章  教育数据挖掘概述    /  1

1.1  数据挖掘及其要解决的问题    /  1

1.2  教育数据的来源和特点    /  3

1.3  教育数据分类    /  4

1.4  教育数据挖掘的目标和价值    /  6

1.5  教育数据挖掘技术概述    /  8

本章小节     /  14

  第2章  教育数据采集和预处理    /  15

2.1  教育数据采集    /  15

2.2  初始数据存在的杂乱性    /  19

2.3  数据清洗    /  20

2.4  数据集成    /  23

2.5  数据变换    /  26

2.6  数据规约    /  27

2.7  教育数据预处理应用案例    /  28

本章小节     /  35

  第3章  教育数据降维    /  36

3.1  数据降维概述    /  37

3.2  两种数据降维方法    / 37 

3.3  特征选择数据降维方法    / 38 

3.4  特征提取数据降维方法    /  40

3.5  特征选择数据降维方法在教育数据中的应用案例    /  44

3.6  特征提取数据降维方法在教育数据中的应用案例1    /  51

3.7  特征提取数据降维方法在教育数据中的应用案例2    /  56

本章小节     /  65

  第4章  决策树、人工神经网络和支持向量机    /  66

4.1  分类预测概述    /  66

4.2  决策树    /  67

4.3  C5.0算法及其应用    /  73

4.4  决策树应用案例    /  86

4.5  人工神经网络    /  94

4.6  神经网络应用案例    /  101

4.7  支持向量机    /  105

4.8  支持向量机应用案例    /  113

本章小节     /  117

  第5章  朴素贝叶斯分类器、贝叶斯网络和二项Logistic回归    /  118

5.1  贝叶斯概率和贝叶斯定理    /  118

5.2  朴素贝叶斯分类器    /  119

5.3  朴素贝叶斯分类应用案例    /  121

5.4  贝叶斯网络    /  126

5.5  贝叶斯网络应用案例    /  131

5.6  二项Logistic回归分析    /  136

5.7  二项Logistic回归分析应用案例    /  146

本章小节     /  159

  第6章  关联分析    /  160

6.1  关联分析概述    /  160

6.2  Apriori算法    /  165

6.3  经典应用案例——购物篮关联分析    /  170

6.4  教育应用案例——学习行为关联分析    /  177

本章小节     /  184

  第7章  聚类分析    /  185

7.1  聚类分析概述    /  185

7.2  K-Means聚类及应用    /  189

7.3  层次聚类及其应用    /  198

7.4  两步聚类及其应用    /  202

7.5  Kohonen网络聚类    /  211

本章小节     /  222

  第8章  滞后序列分析    /  223

8.1  行为序列分析和滞后序列分析概述    /  223

8.2  滞后序列分析工具    /  225

8.3  基于滞后序列分析法的学习行为分析流程    /  232

8.4  基于滞后序列分析法的学习行为分析应用    /  235

8.5  基于滞后序列分析法的学习行为分析应用案例    /  237

本章小节     /  242

  第9章  社会网络分析    /  243

9.1  社会网络分析概述    /  243

9.2  社会网络分析过程和方法    /  246

9.3  UCINET    /  253

9.4  Gephi    /  259

本章小节     /  268