基于K-XGBoost融合模型的高校學生學情預測研究

摘要： 高精準的學情預測是提升高校教學水平促進教學改革的重要技術手段.目前學情預測存在數(shù)據(jù)維度單一和數(shù)據(jù)結構不平衡等問題，降低了預測模型的準確性與泛化能力.為此，本文提出了K-XGBoost學情預測融合模型.首先，該模型通過精準特征提取與重構，構建基于高校教務處數(shù)據(jù)庫的多維度學情特征集；其次，設計基于最小2-范數(shù)的聚類算法，創(chuàng)新性地建立無監(jiān)督數(shù)據(jù)平衡化機制；最后，基于損失函數(shù)優(yōu)化的XG...