随着知识付费时代的来临和用户对线上教育认可度的不断提升,在线课程从传统的大规模免费公开课逐渐发展为付费的课程形式。现阶段,以付费课程为主的新兴网站和传统网站都在探索获利模式,课程量的繁多也对用户选择造成困扰。研究在线课程定价对增加网站收益、储存用户和促进平台发展具有重要意义。本文利用腾讯课堂网站上“IT互联网”类课程数据,建立课程价格的统计模型和算法模型,对课程价格区间进行预测。具体工作概述如下:1.收集和处理数据。利用python爬取腾讯课堂网站上“IT互联网”类课程数据,对原始数据进行缺失值、异常值、数据变换、归一化处理、衍生变量构造和数据不平衡问题处理等数据清洗和数据构造,使获取的原始数据变成有效建模数据。2.数据的描述性统计分析。通过条形图和经验累积分布函数图查看课程类别和销量特征;分析课程上线和下线时间点特征;绘制课程简介和机构简介词云图,挖掘课程的热门词汇,分析开课机构的共同关注点。3.构建IT互联网类在线课程价格的多项逻辑斯谛回归模型。通过构建多项逻辑斯谛回归模型对数据不平衡问题处理前后的在线课程价格区间进行预测,对比两种预测结果准确率,并对模型作出评价。4.构建IT互联网类在线课程价格的算法模型。使用k近邻、决策树、支持向量机、随机森林、XGBoost等算法模型,通过网格搜索选取最优参数,使用准确率、AUC值和F1值对模型效果进行评估,对变量进行重要性排名以分析课程价格的影响因素。结果显示,在该数据集上支持向量机和随机森林的模型性能最优,在测试集上准确率分别为96.54%和96.46%。本文通过网络爬虫获取数据,合理处理和利用了数值类型和文本类型变量,将数据挖掘方法用于在线课程价格区间预测的研究中,选取支持向量机和随机森林模型作为最终价格预测模型。该结果在一定时间段内,可为用户评估课程价格提供数据参考,同时也对开课机构优化价格区间起反馈性作用。