學生成績預測模型決策

⑴ 在SPSS中，如果分析多個因素對某一結果的影響程度應該用什麼分析

分析多個因素對某一結果的影響程度應該用數據分析。主要的方式如下：

分析多個因素對某一結果的影響程度主要分為三步：

第一步是整理數據，首先定義變數，這個是比較重要的一步，但難度不大。

第二步：分析 由於你要分析農民收入和其他因素之間的關系。所以確定農民收入為因變數，而其他為自變數。通過analyze下面的regression來完成。即把農民收入選進因變數，其他（除年份和總計）作為自變數分析。當然裡面還有像statistics等這些功能項，你作為默認就行了。

第三步：解釋模型。認定你的模型做的好不好要看檢驗的結果，這里看R值。如果R接近1，則說明模型和實際擬和的效果比較好。你的模型R值達到了0.9多，說明效果非常不錯。

SPSS中做Logistic回歸的操作步驟：分析>回歸>二元Logistic回歸，選擇因變數和自變數（協變數）

(1)學生成績預測模型決策擴展閱讀:

數值型變數（metric variable）是說明事物數字特徵的一個名稱，其取值是數值型數據。如「產品產量」、「商品銷售額」、「零件尺寸」、「年齡」、「時間」等都是數值型變數，這些變數可以取不同的數值。數值型變數根據其取值的不同，又可以分為離散型變數和連續型變數。

數據形式在計算機中的表示主要有兩大類：數值型變數和非數值型變數（如，字元、漢字等）。數值型變數指，被人為定義的數字（如整數、小數、有理數等）在計算機中的表示。這種被定義的數據形式可直接載入內存或寄存器進行加、減、乘、除的運算。

一般不經過數據類型的轉換，所以運算速度快。具有計算意義。另一種非數值型的數據，如字元型數據（如『A』，『B』，『C『等），是不可直接運算的字元在計算機中的存在形式。具有信息存儲的意義。

在計算機中可識別的字元，一般都對應有一個ASCII碼，ASCII碼為數值型的數據。ASII碼值的改變，對應的字元也會改變。所以，非數值型的數據，本質上也是數值型的數據。為了接近人的思維習慣，方便程序的編寫，計算機高級語言，劃分了數據的類型：

數值型數據有：整型 單精度型 雙精度型。

非數值類型數據有：字元型 或 布爾型 或者 字元串型。

⑵ clementine決策樹 請問用c5.0生成決策樹後如何用生成的模型來預測新的數據

在決策樹生成模型後，將預測數據作為輸入，並與生成的模型連接進行求解即可。

⑶ 預測與決策概論的目錄

預測學基礎
1預測概論
1.1預測的基本概念
1.2現代預測發展概況
1.3預測的分類
1.4預測的基本原則和程序
1.5預測精度及預測方法的選擇
1.6預測與決策的關系
思考練習題
2定性預測法
2.1預測的基本要素
2.2直觀判斷分析預測法
思考練習題
3時間序列平滑預測法
3.1時間序列的構成
3.2移動平均法
3.3指數平滑法
3.4自適應過濾法
思考練習題
4曲線趨勢預測法
4.1直線趨勢模型預測法
4.2可線性化的曲線趨勢模型預測法
4.3有增長上限的曲線趨勢模型預測法
思考練習題
5季節變動預測法
5.1判斷季節變動存在的方法
5.2不變季節指數預測法
5.3可變季節指數預測法
5.4雙季節指數預測法
思考練習題
6馬爾科夫預測法
6.1馬爾科夫鏈及轉移概率
6.2轉移概率矩陣的固定點
6.3馬爾科夫鏈在經濟預測等方面的應用
*6.4吸收態馬爾科夫鏈及其應用
思考練習題
7回歸分析預測法
7.1回歸分析預測的基本概念
7.2一元線性回歸分析預測法
7.3多元線性回歸分析預測法
7.4非線性回歸分析預測法
思考練習題
8投入產出分析預測法
8.1投入產出分析概述
8.2全國價值型投入產出模型
8.3價值型投入產出模型在國民經濟預測中的應用
8.4企業實物型投入產出模型及其應用
*8.5投入佔用產出技術及其應用
思考練習題
決策學基礎
9決策概論
9.1決策的概念與類型
9.2決策的程序與原則
9.3決策與信息分析
思考練習題
10確定型與非確定型決策
10.1確定型決策的特點與基本思路
10.2確定型決策的幾種方法
10.3非確定型決策的若干決策准則
思考練習題
11風險型決策模型與期望損益決策
11.1風險型決策的基本問題
11.2期望損益值決策方法
11.3增量分析決策模型
11.4信息價值的測算
思考練習題
*12抽樣信息與貝葉斯決策
12.1貝葉斯定理與貝葉斯決策法則
12.2先驗分析與預後驗分析
12.3後驗分析
思考練習題
13效用理論與風險型決策
13.1期望損益值決策的局限
13.2效用決策理論與分析方法
13.3效用曲線與決策者類型分析
思考練習題
*14多目標決策
14.1多目標決策的特點
14.2層次分析法
14.3模糊決策法
思考練習題
15決策風險分析
15.1風險因素辨識的基本方法
15.2風險估計方法
15.3決策方案的敏感性分析
思考練習題
Excel在預測與決策中的應用
16Excd在預測與決策中的應用
16.1Excel概述
16.2公式與函數的應用
16.3數據分析工具的應用
16.4數組與矩陣的應用
附錄
參考文獻

⑷ 急求數學建模節課論文。要求給出實際問題。用一種方法解決問題，方法有決策方法，預測方法，統計概率法，

可以有
自己的
幫你.

⑸ weka怎樣使用交叉驗證法 進行決策樹建模和預測

是的，循環20次求均值，且每次10折交叉驗證的結果都不同。

原因是交叉驗證對於原始版樣本空間的隨權機分劃，既然每次隨機過程得到的10個用於交叉驗證的子集都不同，相應的驗證結果也必然不同。
最後取的是20次交叉驗證結果的均值。

⑹ 最小二乘法、回歸分析法、灰色預測法、決策論、神經網路等5個演算法的使用范圍及優缺點是什麼

最小二乘法：通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤差的平方和為最小。最小二乘法還可用於曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達。優點：實現簡單，計算簡單。缺點：不能擬合非線性數據.
回歸分析法：指的是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。在大數據分析中，回歸分析是一種預測性的建模技術，它研究的是因變數（目標）和自變數（預測器）之間的關系。這種技術通常用於預測分析，時間序列模型以及發現變數之間的因果關系。優點：在分析多因素模型時，更加簡單和方便，不僅可以預測並求出函數，還可以自己對結果進行殘差的檢驗，檢驗模型的精度。缺點：回歸方程式只是一種推測，這影響了因子的多樣性和某些因子的不可測性，使得回歸分析在某些情況下受到限制。
灰色預測法：
色預測法是一種對含有不確定因素的系統進行預測的方法 。它通過鑒別系統因素之間發展趨勢的相異程度，即進行關聯分析，並對原始數據進行生成處理來尋找系統變動的規律，生成有較強規律性的數據序列，然後建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況。它用等時間距離觀測到的反應預測對象特徵的一系列數量值構造灰色預測模型，預測未來某一時刻的特徵量，或者達到某一特徵量的時間。優點：對於不確定因素的復雜系統預測效果較好，且所需樣本數據較小。缺點：基於指數率的預測沒有考慮系統的隨機性，中長期預測精度較差。
決策樹：在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大於等於零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。優點：能夠處理不相關的特徵；在相對短的時間內能夠對大型數據源做出可行且效果良好的分析；計算簡單，易於理解，可解釋性強；比較適合處理有缺失屬性的樣本。缺點：忽略了數據之間的相關性；容易發生過擬合（隨機森林可以很大程度上減少過擬合）；在決策樹當中,對於各類別樣本數量不一致的數據，信息增益的結果偏向於那些具有更多數值的特徵。
神經網路：優點：分類的准確度高；並行分布處理能力強,分布存儲及學習能力強，對雜訊神經有較強的魯棒性和容錯能力，能充分逼近復雜的非線性關系；具備聯想記憶的功能。缺點：神經網路需要大量的參數，如網路拓撲結構、權值和閾值的初始值；不能觀察之間的學習過程，輸出結果難以解釋，會影響到結果的可信度和可接受程度；學習時間過長,甚至可能達不到學習的目的。

⑺ 馬爾科夫模型的優點和缺點是什麼

優點：該方法對過程的狀態預測效果良好，可考慮用於生產現場危險狀態的預測
缺點：不適宜用於系統中長期預測

⑻ 數據預測模型對決策起到哪些作用

數據預測模型主要是分析不同的參數情況得到的不同結果，通過比較不同的結果，進行決策。
因此可以說數據預測模型是決策可用的工具。