Прогнозування популярності онлайн-курсів на платформі Coursera
Abstract
Робота присвячена побудові та дослідженню моделей прогнозування кількості студентів за основі рейтингу, кількості модулів, тривалості, рівня складності та типу розкладу курсів за допомогою лінійної та поліноміальної множинної регресії, Random forest та XGBoost та задачу класифікації курсів на популярні (більше 20000 студентів) та непопулярні (до 20000 студентів) методами логістичної регресії, Decision tree, Random forest та SVM. Для моделей прогнозування найкращий баланс показників R², MAE, RMSE та MSE у нормалізованій вибірці (кількість студентів
Fields of Study & Subjects
Online Learning and Analytics
Data Mining and Machine Learning Applications
Forecasting Techniques and Applications
Publication details
- Journal / source
- Адаптивні системи автоматичного управління
- Volume
- 1
- Issue
- 48
- Pages
- 51–57
- Publication date
- 9 February 2026
- Language
- UK