大学录取 数据挖掘方法预测大学入学率 我们的分析主要包括五个部分：数据探索，数据转换，建模，模型比较和结论。 我们根据验证错误分类率来选择最佳模型。 我们还确定了最重要的预测变量，并获得了得分数据集。 数据探索：首先，我们评估了原始数据集并发现了一些变量中的缺失值。 注意这一点很重要，因为某些模型可能需要插补才能正确运行。 我们还分析了区间变量的分布（请参见附录图1）。 除“ satscore”外，所有间隔变量都高度偏斜。 我们调查了对这些变量的转换，以减少偏度并增加正态性。 数据插补和转换