面向不确定残缺数据大学生成绩预测方法.docVIP

面向不确定残缺数据大学生成绩预测方法 　　摘 要： 大学生在课程规划方面有很高的自由度，这使得成绩数据较不规整，研究者很难对学生的前序课程成绩进行有效分析、利用。已有的成绩预测方法普遍未考虑学生前序课程成绩残缺的现象，从而导致预测准确性不佳。提出一种基于K近邻局部最优重建的残缺数据插补方法，该方法能够有效抑制前序课程成绩缺失对预测模型精度的影响。实验表明，该方法的补全效果优于已有的均值插补、GMM插补等方法，结合随机森林模型实现了有效的成绩预测，为学生成绩管理、就业能力预警提供了客观的参考。 　　关键词： 成绩预测； 缺失数据； 数据插补； 数据挖掘； 机器学习； 随机森林模型 　　中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）06?0145?05 　　Abstract： College students have high freedom on their course planning， which makes the score data irregular and in disorder， and makes it difficult for researchers to effectively analyze and utilize students′ scores of foreword curriculums. The score missing phenomenon of students′ foreword curriculums is generally not considered in the existing score prediction methods， resulting in relatively low prediction accuracy. Therefore， a missing data imputation method based on local optimal reconstruction of k?nearest neighbors is proposed， which could effectively suppress the influence of foreword curriculum score missing on the accuracy of prediction model. The experimental results show that the completion effect of the proposed method outperforms that of the existing mean imputation method， GMM imputation method， and other methods. Effective score prediction is realized by combining with random forest model to provide an objective reference for students′ score management and early warning on students′ employability. 　　Keywords： score prediction； missing data； data imputation； data mining； machine learning； random forest model 　　0 引 言 　　高等教育问题是多年以来的社会热点，从“精英教育”到“大众教育”，高校扩大招生规模，面临着学生质量参差不齐，就业形势严峻等问题。如何准确评估大学生的学业完成质量，并进一步实现学业退步预警、就?I质量预测等应用，逐渐受到数据分析研究者的关注[1?4]。学生成绩不仅是评估高校教学质量的重要指标，还与学生管理及就业指导密切相关。有效预测学生成绩并及时进行干预，可以为学生学习思想动态的引导和就业能力的评估提供重要的依据。 　　权小娟等基于985高校大学生的成绩数据，分析了大学生成绩的变化趋势及城乡差异[1]，分析结果具有一定的现实参考价值。但该文献属于描述性研究，仅分析了大学生群体成绩发展规律，但并未给出有效的成绩预测模型，故无法应用于大学生个体的成绩预测、预警。 　　龙钧宇等人提出基于频繁模式发掘大学科目之间的强关联关系，并预测学生未来若干课程的成绩[2]。该方法有两方面的局限性：首先，强模式关联方法决定了一门课程的成绩仅由当前的少数几门成绩甚至一门成绩确定，限制了其预测准确率的提升空间；其次，该预测方法将成绩分为4个等级，无法对成绩进行精准、量化预