基于分類算法的學生性格研究.pdf

1、學生性格特征的研究，對提高學校的教育質量與學生的生活質量有著很大的幫助。每年都有大量的新生入學并完成性格測試。然而傳統(tǒng)的調查問卷方式有著很多缺陷，比如效率非常低、受測人容易說謊。近年也出現了很多基于社交網站進行數據挖掘預測用戶性格的研究，但無法保證所有學生頻繁地使用同一種社交網站。
　　因此，本文提出了一種基于學生上網數據與消費數據進行性格預測的方法，它主要分為特征提取，特征篩選，分類器選擇三個部分。其中的特征提取與特征篩選是本文

2、研究的重點，本文嘗試從數據中發(fā)掘出學生上網的偏好與不同時間段的消費習慣，并刪除掉冗余的特征。同時，為了解決教育數據挖掘領域樣本數量偏少的情況，提出了一種基于時間分割的增加樣本數量的方法。參與實驗的同學完成艾森克人格問卷簡式量表中國版（EPQ-RSC），然后根據他們的學號獲得在校的消費數據與上網數據，最后通過性格預測的方法得到目標分類器。線性SVM是綜合表現最好的分類器，外傾性的預測準確率與F-measure分別達到了71.8％與77.1

3、%。
　　更進一步的，考慮到受測人說謊的可能，根據問卷調查的特性進行樣本篩選。同時，由于皮爾森系數篩選特征的局限性，使用SVM-RFE改進了特征篩選的方法，并找出了每個性格維度最重要的特征。最后對學生性格的三個維度進行預測，線性SVM是綜合表現最好的分類器。外傾性的預測準確率與F-measure分別達到了82.5%與86.0%；神經質的準確率與F-measure分別達到了81.0%與74.4%；精神質的準確率與F-measure分