学生成绩等级评定python_精品教学案例 | 利用分类模型预测学生成绩等级

查看本案例完整的数据、代码和报告请登录数据酷客（http://cookdata.cn）案例板块。

本案例适合作为大数据专业数据科学导引或机器学习实践课程的分类模型章节的实践教学案例。通过本案例，能够达到以下教学效果：

• 培养学生解决真实问题的能力。基于真实的学生信息和行为特征数据，解决学生成绩预测问题。
• 加深学生对常用分类模型的理解。具体地，提高K-近邻、逻辑回归、朴素贝叶斯和支持向量机等算法基本原理的认识。
• 提高动手实践能力。利用Scikit-learn工具，提高学生对上述分类模型的实践能力。

数据来自手机APP"Kalboard 360"的学习管理系统（LMS）。Kalboard 360旨在利用尖端技术来提升学校K12教育的教育水平。数据集由480个学生记录和16个特征组成。这些特征分为三大类：

（1）性别和国籍等人口统计特征。

（2）学历背景特征，如教育阶段，年级和隶属教室。

（3）行为特征，如上课举手，访问资源，家长回答问卷调查，学校满意度等。

该数据集的收集来自两个学期：第一学期收集了245个学生记录，第二学期收集了235个学生记录。最后学生依据其总成绩被分为三类： 低&