Предсказание успешности прохождения образовательных онлайн-курсов с помощью классификатора Random Forest
DOI:
https://doi.org/10.5281/zenodo.10974569Ключевые слова:
бинарный классификатор, случайный лес, ROC AUC, тонкая калибровкаАннотация
Проведено исследование по тонкой калибровке классификатора Random Forest, предсказывающего успешность прохождения пользователем образовательных онлайн-курсов по данным о действиях пользователя на курсе и его отправках решений практических задач. Рассматривались классификаторы большого и среднего размера. Полученные результаты показывают нецелесообразность десятикратного увеличения количества решающих деревьев в виду незначительного прироста в точности и значительного падения в производительности, преимущество использование классификатора средних размеров (менее 100 решающих деревьев).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
