学生考试成绩数据集

关于数据集

该数据集包含 200 名学生的信息及其基于各种学习相关因素的学业成绩。它是一个专为教育分析、机器学习和数据科学实践而设计的合成数据集。

该数据集探讨了学习习惯、睡眠模式、出勤率和过去的学业成绩如何影响学生的期末考试成绩。

它对于以下任务很有用：

• 回归（预测考试成绩）
• 分类（例如，通过/失败预测）
• 相关性分析（学习时间与成绩之间的关系
• 数据可视化和特征重要性分析

📊 列（数据字典）

• student_id → 每个学生的唯一 ID
• hours_studied → 每天学习的小时数（1-12 小时）
• sleep_hours → 平均每天睡眠时间（4-9 小时）
• attendance_percent → 课堂出勤率 (50–100%)
• previous_scores → 先前平均学业成绩（40-95 分）
• exam_score → 期末考试成绩（0-100 分，来自其他因素 + 随机性）

💡 潜在用例

• 建立回归模型来预测学生的表现。
• 确定哪些因素（学习时间、睡眠、出勤率）对考试结果影响最大。
• 教育研究和对学生学习行为的见解。
• 为初学者演示机器学习算法。