基于机器学习识别课程规划质量影响因素的模型构建方法

本发明公开一种基于机器学习识别课程规划质量影响因素的模型构建方法，首先开发了一个涵盖了合理性、一致性、规律性和可行性四个方面的课程规划评估工具，用于全面评估所收集样本的课程规划方案的质量，从而形成四类标签，同时本发明收集了学校25个特征，形成了标签及特征数据集；其次设计了具有数据输入层、LassoNet层及多任务学习层的模型网络并进行相关训练，四个LassoNet模型在特征选择中能够分别识别出在合理性、一致性、规律性和可行性四个方面对课程规划质量影响的关键因素，确保了模型关注最相关的变量，从而提高了对课程规划质量影响因素预测的准确性，进而通过多任务学习层进行训练，构建出能够识别课程规划质量影响因素的模型。