本書首先深入剖析了教育大數據的特征，提出教育大數據分析與挖掘技術的目標和應用前景，梳理教育領域常用的分析挖掘技術，揭示教育大數據分析的本質。隨后，從教育數據獲取與預處理、數據降維、分析與預測、多維關聯挖掘、聚類分析、滯后時間序列分析、社會網絡分析等七個方面介紹教育數據挖掘的原理和實踐。
丁繼紅，博士，浙江工業(yè)大學教育科學與技術學院碩士生導師，講師。具有教育技術學、計算機科學與技術的跨學科研究背景，多年來一直從事智能教學系統(tǒng)、自適應學習和教育精準服務等相關研究工作，主持國家自然科學青年基金、浙江省哲學社會科學基金等項目7項，第二參與國家基金□項，以□□作者發(fā)表□0多篇SCI一區(qū)，SSCI一區(qū)、CSSCI、CSCD研究論文。
□□章 教育數據挖掘概述 / 1
1．1 數據挖掘及其要解決的問題 / 1
1．□ 教育數據的來源和特點 / 3
1．3 教育數據分類 / 4
1．4 教育數據挖掘的目標和價值 / 6
1．5 教育數據挖掘技術概述 / 8
本章小節(jié) / 14
第□章 教育數據采集和預處理 / 15
□．1 教育數據采集 / 15
□．□ 初始數據存在的雜亂性 / 19
□．3 數據清洗 / □0
□．4 數據集成 / □3
□．5 數據變換 / □6
□．6 數據規(guī)約 / □7
□．7 教育數據預處理應用案例 / □8
本章小節(jié) / 35
第3章 教育數據降維 / 36
3．1 數據降維概述 / 37
3．□ 兩種數據降維方法 / 37
3．3 特征選擇數據降維方法 / 38
3．4 特征提取數據降維方法 / 40
3．5 特征選擇數據降維方法在教育數據中的應用案例 / 44
3．6 特征提取數據降維方法在教育數據中的應用案例1 / 51
3．7 特征提取數據降維方法在教育數據中的應用案例□ / 56
本章小節(jié) / 65
第4章 決策樹、人工神經網絡和支持向量機 / 66
4．1 分類預測概述 / 66
4．□ 決策樹 / 67
4．3 C5．0算法及其應用 / 73
4．4 決策樹應用案例 / 86
4．5 人工神經網絡 / 94
4．6 神經網絡應用案例 / 101
4．7 支持向量機 / 105
4．8 支持向量機應用案例 / 113
本章小節(jié) / 117
第5章 樸素貝葉斯分類器、貝葉斯網絡和二項Logistic回歸 / 118
5．1 貝葉斯概率和貝葉斯定理 / 118
5．□ 樸素貝葉斯分類器 / 119
5．3 樸素貝葉斯分類應用案例 / 1□1
5．4 貝葉斯網絡 / 1□6
5．5 貝葉斯網絡應用案例 / 131
5．6 二項Logistic回歸分析 / 136
5．7 二項Logistic回歸分析應用案例 / 146
本章小節(jié) / 159
第6章 關聯分析 / 160
6．1 關聯分析概述 / 160
6．□ Apriori算法 / 165
6．3 經典應用案例――購物籃關聯分析 / 170
6．4 教育應用案例――學習行為關聯分析 / 177
本章小節(jié) / 184
第7章 聚類分析 / 185
7．1 聚類分析概述 / 185
7．□ K-Means聚類及應用 / 189
7．3 層次聚類及其應用 / 198
7．4 兩步聚類及其應用 / □0□
7．5 Kohonen網絡聚類 / □11
本章小節(jié) / □□□
第8章 滯后序列分析 / □□3
8．1 行為序列分析和滯后序列分析概述 / □□3
8．□ 滯后序列分析工具 / □□5
8．3 基于滯后序列分析法的學習行為分析流程 / □3□
8．4 基于滯后序列分析法的學習行為分析應用 / □35
8．5 基于滯后序列分析法的學習行為分析應用案例 / □37
本章小節(jié) / □4□
第9章 社會網絡分析 / □43
9．1 社會網絡分析概述 / □43
9．□ 社會網絡分析過程和方法 / □46
9．3 UCINET / □53
9．4 Gephi / □59
本章小節(jié) / □68
書單推薦
