基于XGBoost算法的学业成绩预警模型研究

作者：崔佳杉; 年梅; 张俊

来源：计算机与数字工程, 2022, 50(08): 1637-1640+1651.

DOI：10.3969/j.issn.1672-9722.2022.08.002

• 数据挖掘
• 学业成绩预警
• XGBoost算法
• 回归模型

基于XGBoost算法利用高校学生数据建立学业成绩预警模型。文章以UCI公开学生成绩数据集为研究对象，采用XGBoost分类回归模型对预测数据进行分析。通过G1阶段（第1期成绩）和G2阶段（第2期成绩）学生在mat课程成绩表现得到的预测结果，与真实G3阶段（第3期成绩）成绩对比，准确率达到85.8%，采用por课程成绩信息数据进行测试，准确率达到了83.2%，验证了算法模型的有效性。在实际应用中，使用XGBoost算法，对计算机学院本科生学生学业成绩进行预测，准确率达到了75.2%。

• 单位
  中国科学院新疆理化技术研究所; 新疆师范大学