学生成绩预测模型决策

⑴ 在SPSS中，如果分析多个因素对某一结果的影响程度应该用什么分析

分析多个因素对某一结果的影响程度应该用数据分析。主要的方式如下：

分析多个因素对某一结果的影响程度主要分为三步：

第一步是整理数据，首先定义变量，这个是比较重要的一步，但难度不大。

第二步：分析 由于你要分析农民收入和其他因素之间的关系。所以确定农民收入为因变量，而其他为自变量。通过analyze下面的regression来完成。即把农民收入选进因变量，其他（除年份和总计）作为自变量分析。当然里面还有像statistics等这些功能项，你作为默认就行了。

第三步：解释模型。认定你的模型做的好不好要看检验的结果，这里看R值。如果R接近1，则说明模型和实际拟和的效果比较好。你的模型R值达到了0.9多，说明效果非常不错。

SPSS中做Logistic回归的操作步骤：分析>回归>二元Logistic回归，选择因变量和自变量（协变量）

(1)学生成绩预测模型决策扩展阅读:

数值型变量（metric variable）是说明事物数字特征的一个名称，其取值是数值型数据。如“产品产量”、“商品销售额”、“零件尺寸”、“年龄”、“时间”等都是数值型变量，这些变量可以取不同的数值。数值型变量根据其取值的不同，又可以分为离散型变量和连续型变量。

数据形式在计算机中的表示主要有两大类：数值型变量和非数值型变量（如，字符、汉字等）。数值型变量指，被人为定义的数字（如整数、小数、有理数等）在计算机中的表示。这种被定义的数据形式可直接载入内存或寄存器进行加、减、乘、除的运算。

一般不经过数据类型的转换，所以运算速度快。具有计算意义。另一种非数值型的数据，如字符型数据（如‘A’，‘B’，‘C‘等），是不可直接运算的字符在计算机中的存在形式。具有信息存储的意义。

在计算机中可识别的字符，一般都对应有一个ASCII码，ASCII码为数值型的数据。ASII码值的改变，对应的字符也会改变。所以，非数值型的数据，本质上也是数值型的数据。为了接近人的思维习惯，方便程序的编写，计算机高级语言，划分了数据的类型：

数值型数据有：整型 单精度型 双精度型。

非数值类型数据有：字符型 或 布尔型 或者 字符串型。

⑵ clementine决策树 请问用c5.0生成决策树后如何用生成的模型来预测新的数据

在决策树生成模型后，将预测数据作为输入，并与生成的模型连接进行求解即可。

⑶ 预测与决策概论的目录

预测学基础
1预测概论
1.1预测的基本概念
1.2现代预测发展概况
1.3预测的分类
1.4预测的基本原则和程序
1.5预测精度及预测方法的选择
1.6预测与决策的关系
思考练习题
2定性预测法
2.1预测的基本要素
2.2直观判断分析预测法
思考练习题
3时间序列平滑预测法
3.1时间序列的构成
3.2移动平均法
3.3指数平滑法
3.4自适应过滤法
思考练习题
4曲线趋势预测法
4.1直线趋势模型预测法
4.2可线性化的曲线趋势模型预测法
4.3有增长上限的曲线趋势模型预测法
思考练习题
5季节变动预测法
5.1判断季节变动存在的方法
5.2不变季节指数预测法
5.3可变季节指数预测法
5.4双季节指数预测法
思考练习题
6马尔科夫预测法
6.1马尔科夫链及转移概率
6.2转移概率矩阵的固定点
6.3马尔科夫链在经济预测等方面的应用
*6.4吸收态马尔科夫链及其应用
思考练习题
7回归分析预测法
7.1回归分析预测的基本概念
7.2一元线性回归分析预测法
7.3多元线性回归分析预测法
7.4非线性回归分析预测法
思考练习题
8投入产出分析预测法
8.1投入产出分析概述
8.2全国价值型投入产出模型
8.3价值型投入产出模型在国民经济预测中的应用
8.4企业实物型投入产出模型及其应用
*8.5投入占用产出技术及其应用
思考练习题
决策学基础
9决策概论
9.1决策的概念与类型
9.2决策的程序与原则
9.3决策与信息分析
思考练习题
10确定型与非确定型决策
10.1确定型决策的特点与基本思路
10.2确定型决策的几种方法
10.3非确定型决策的若干决策准则
思考练习题
11风险型决策模型与期望损益决策
11.1风险型决策的基本问题
11.2期望损益值决策方法
11.3增量分析决策模型
11.4信息价值的测算
思考练习题
*12抽样信息与贝叶斯决策
12.1贝叶斯定理与贝叶斯决策法则
12.2先验分析与预后验分析
12.3后验分析
思考练习题
13效用理论与风险型决策
13.1期望损益值决策的局限
13.2效用决策理论与分析方法
13.3效用曲线与决策者类型分析
思考练习题
*14多目标决策
14.1多目标决策的特点
14.2层次分析法
14.3模糊决策法
思考练习题
15决策风险分析
15.1风险因素辨识的基本方法
15.2风险估计方法
15.3决策方案的敏感性分析
思考练习题
Excel在预测与决策中的应用
16Excd在预测与决策中的应用
16.1Excel概述
16.2公式与函数的应用
16.3数据分析工具的应用
16.4数组与矩阵的应用
附录
参考文献

⑷ 急求数学建模节课论文。要求给出实际问题。用一种方法解决问题，方法有决策方法，预测方法，统计概率法，

可以有
自己的
帮你.

⑸ weka怎样使用交叉验证法 进行决策树建模和预测

是的，循环20次求均值，且每次10折交叉验证的结果都不同。

原因是交叉验证对于原始版样本空间的随权机分划，既然每次随机过程得到的10个用于交叉验证的子集都不同，相应的验证结果也必然不同。
最后取的是20次交叉验证结果的均值。

⑹ 最小二乘法、回归分析法、灰色预测法、决策论、神经网络等5个算法的使用范围及优缺点是什么

最小二乘法：通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。优点：实现简单，计算简单。缺点：不能拟合非线性数据.
回归分析法：指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。优点：在分析多因素模型时，更加简单和方便，不仅可以预测并求出函数，还可以自己对结果进行残差的检验，检验模型的精度。缺点：回归方程式只是一种推测，这影响了因子的多样性和某些因子的不可测性，使得回归分析在某些情况下受到限制。
灰色预测法：
色预测法是一种对含有不确定因素的系统进行预测的方法 。它通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。它用等时间距离观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或者达到某一特征量的时间。优点：对于不确定因素的复杂系统预测效果较好，且所需样本数据较小。缺点：基于指数率的预测没有考虑系统的随机性，中长期预测精度较差。
决策树：在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。优点：能够处理不相关的特征；在相对短的时间内能够对大型数据源做出可行且效果良好的分析；计算简单，易于理解，可解释性强；比较适合处理有缺失属性的样本。缺点：忽略了数据之间的相关性；容易发生过拟合（随机森林可以很大程度上减少过拟合）；在决策树当中,对于各类别样本数量不一致的数据，信息增益的结果偏向于那些具有更多数值的特征。
神经网络：优点：分类的准确度高；并行分布处理能力强,分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系；具备联想记忆的功能。缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长,甚至可能达不到学习的目的。

⑺ 马尔科夫模型的优点和缺点是什么

优点：该方法对过程的状态预测效果良好，可考虑用于生产现场危险状态的预测
缺点：不适宜用于系统中长期预测

⑻ 数据预测模型对决策起到哪些作用

数据预测模型主要是分析不同的参数情况得到的不同结果，通过比较不同的结果，进行决策。
因此可以说数据预测模型是决策可用的工具。