面向教育分析中联合特征选择与随机森林学习的可解释及不平衡感知整体式群体优化

《Scientific Reports》：Explainable and imbalance-aware holistic swarm optimization for joint feature selection and random forest learning in educational analytics

　　

摘要

准确预测学生的学业成绩是教育分析的关键组成部分，因为它能够实现早期检测和知情决策。然而，现有的机器学习方法对类别不平衡敏感，可解释性差，并且往往依赖于固定的特征表示。本文提出了一种不平衡感知且可解释的解决方案来应对这些问题。提出了一种融合群体优化与随机森林算法的综合框架（HSORFC-FS），在统一的基于群体的搜索过程中同时优化模型超参数并执行嵌入特征选择。与仅关注准确率的传统优化策略不同，所提出的框架包含了一个类别不平衡感知的适应度函数，明确促进了少数类别识别与整体分类性能之间的平衡权衡。此外，集成了SHapley加性解释（SHAP），以提供对影响学业成绩因素的全面及按类别的理解。HSORFC-FS使用了一个包含1,194条记录的真实世界学生学业成绩数据集进行评估，该数据集包含四个成绩类别：差、良好、非常好和优秀。实验结果表明，HSORFC-FS的分类准确率为80.0%，加权F1得分为0.80，优于标准的随机森林、袋装法、人工神经网络、k近邻、逻辑回归和朴素贝叶斯模型。HSORFC-FS框架对少数类别（差）的F1得分达到0.62。所提出的框架在保持较强的整体分类准确率和所有类别间平衡性能的同时，在少数类别识别方面取得了具有竞争力的性能。SHAP分析表明，最重要的因素是之前的学业成绩、出席率和学习习惯。这一解释有助于教育相关利益者基于数据理解做出合适的决策。总之，所提出的框架证明了通过结合可解释人工智能、不平衡感知学习和整体群体智能，学业成绩预测模型的准确性、公平性和透明度得到了提升。