Power BI和Python在描述统计分析案例教学中的应用

在描述性统计分析的案例教学中,Power BI和Python的结合使用提供了一种多维度学习平台。本课程以大学生职业生涯规划数据为例,通过融合这两种工具的优势,旨在提升学生对数据分析的理解和实操能力。从专业分类、志愿决定者变量、规划课程指导、毕业后意向及专业和职业认知得分等几个方面进行可视化教学,不仅提升了学生对统计知识的理解,也锻炼了其应用知识的能力。Power BI和Python的联合使用为描述性统计分析案例教学提供了一种有效的教育手段,有助于培养具备实际应用能力的数据分析人才。

基于DBO-SVM的学生成绩三分类预测模型

为提高学生学习效率和教师教学管理水平,提出基于DBO-SVM的学生成绩三分类预测模型.首先根据皮尔逊相关系数筛选特征属性;然后针对数据不均衡问题,经对比实验选用ADASYN技术;之后由螳螂优化算法通过迭代寻优支持向量机的参数;最后由支持向量机建立学生成绩三分类预测模型.在学生成绩数据集上进行测试,实验结果表明:本文方法预测准确率比SSA-SVM提高了2.09%,达到了91.67%;F1分数的加权平均值为0.92,证明了模型的稳定性.

基于麻雀搜索算法和SVM的学生成绩预测研究

为提高学生成绩预测的准确率,提出了基于麻雀搜索算法(SSA)优化支持向量机(SVM)的学生成绩预测模型。首先由SSA优化SVM参数,即通过不断迭代获取全局最优位置确定SVM的惩罚因子和核函数参数;然后利用优化后的SVM分类器对学生成绩进行预测;最后在UCI-Mat数据集上进行评估。实验结果表明:目标属性G3(期末成绩)与前两次的平时成绩(G1和G2)具有很强的关联性;与一般的SVM、BP及随机森林算法相比,SSA-SVM模型能够有效提高学生成绩预测的准确度,准确率可达95%。

犹豫模糊信息下的协相关度与聚类分析

针对决策信息为犹豫模糊集且属性权重完全未知的多属性聚类问题,提出了一种基于犹豫模糊交叉熵的协相关度与聚类方法。为区分不同的犹豫模糊集,定义了犹豫模糊元的交叉熵,通过与其他距离公式得出的结果进行对比,验证了它的有效性与合理性;由犹豫模糊交叉熵公式,按照离差最大化算法得出属性权重公式;然后提出犹豫模糊集协相关度的概念,证明了它与传统相关系数类似的性质,并将协相关度公式加权;最后把加权的协相关度公式用于犹豫模糊信息下的聚类分析中,通过比较分析不同文献的聚类结果,验证了所提聚类算法的可行性与有效性。

基于信息熵的IITFN多属性决策方法

在区间直觉梯形模糊数(IITFN)环境下,研究了属性权重未知的多属性决策问题,定义了区间直觉梯形模糊数的得分函数,进而提出了一种基于信息熵的区间直觉梯形模糊数的多属性决策方法,最后实例分析验证了所提出方法的有效性和可行性。

房产投资对企业创新挤占效应的时变性研究

通过对比不同市值、不同时间区间企业房产对创新的挤占效应发现,房产投资对企业创新存在负面效应,这种影响在大市值公司中更显著;“挤占效应”具有时变性,2014年后房产对创新的负面影响得到改善。

一种基于二型模糊的广义模糊软集

针对普通模糊子集隶属度的模糊性,介绍了二型模糊集及现实刻画的合理性,然后从实际问题出发,提出了广义模糊软集的概念;在此基础上,研究广义模糊软集的包含关系,交、并、补运算和有关性质,并讨论基于广义模糊软集下的模糊软关系和模糊软矩阵,且进一步探讨与广义模糊软集平行的运算及性质;最后将广义模糊软集应用到医疗诊断中,通过解模糊,构造得分函数判断病人的患病类型,从而验证了它的可行性与有效性.

个人特质与大学生消费水平关系的研究——基于Probit模型和ANOVA模型

在512份安徽大学大学生消费的调查问卷的基础上,先用有序Probit回归模型分析个人特质对大学生消费水平的影响;再用方差分析方法分析个人特质的不同水平对于消费支出的影响;结果显示,大学生所在的年级、生源地、家庭收入状况以及大学生的理财观念对大学生消费水平影响显著,大学生的性别、专业类型和兄弟姐妹个数影响不显著,而家庭收入对于大学生的消费起到决定性影响。

基于相对熵的区间型直觉模糊集多属性决策方法

针对属性权重完全未知且属性值为区间的直觉模糊集的多属性决策问题进行了研究,定义了区间型直觉模糊数相对熵和含参数新的得分函数,然后由TOPSIS方法得到权重,最后通过实例分析验证了所提出方法的有效性和可行性.

区间二型概率模糊模型下的分层决策及应用

在二维均匀分布的假定条件下探索区间二型模糊集下的区间值信息系统,通过定义在属性a下对象x_j与x_i相比较时x_j对于a比x_i对于a的优先程度,建立属性集A下的区间二型概率模糊模型,得到模糊优先对比矩阵,确定模糊优先关系,进行多属性的分层决策,通过实例分析,模型可行有效。