[发明专利]一种学生成绩的预测方法、系统、计算机设备及存储介质

说明书

本申请公开了一种学生成绩的预测方法、系统、计算机设备及存储介质。该方法通过获取学生数据；对所述学生数据进行PCA降维处理，得到降维后的主分量的学生数据收集表；所述学生数据收集表中包括多种和学生相关的属性值；对所述学生数据收集表中的各个属性值进行正交编码，得到第一特征数据，将所述第一特征数据输入到训练好的成绩预测模型中进行预测，得到所述学生数据对应的学生成绩预测结果。该方法可解决现有模型的复杂度过高，且容易导致模型出现过拟合，使得最终得到的预测结果准确度偏低的技术问题，基于该方法可以得出较为准确的学生成绩预测结果，有利于更好地指导教学工作的进行。本申请可广泛应用于人工智能技术领域内。

技术领域

本申请涉及人工智能技术领域，尤其是一种学生成绩的预测方法、系统、计算机设备及存储介质。

背景技术

学生成绩是评价教学质量的重要依据。随着信息化技术的普及，学校教学管理系统及课程作业系统中，以电子数据形式积累了大量的学生作业成绩和考试成绩。如何对这些成绩数据进行有效挖掘以提高教学质量，是值得研究的问题。学生因个体差异，导致学习效果会存在很大的差异。如果能利用学生已有成绩对该学生的未来成绩做出预测，并以预测结果为依据，适当地更改教学策略并对学生进行提示，可以提高教学质量。

相关技术中，成绩预测主要采用基于人工的预测方法，由教师或者科研人员人工收集数据，并根据经验对成绩进行估计。该类方法不仅工作过程复杂，而且计算量大、耗时长。随后出现了基于数理统计的预测方法，如最小二乘回归、灰色模型等。该类方法采用数学建模对学生成绩进行预测，然而该类方法对于非线性数据的预测能力不强，无法准确刻画学生成绩变化特点。近些年，基于机器学习的预测方法发展迅速，如贝叶斯网络、BP神经网络等。该类方法具有很强的非线性建模能力。

但是，学生学习的相关数据维度庞大，并且部分维度数据对于预测结果的影响较小，基于原始维度的数据训练会大大增加训练的耗时，增加模型的复杂度，且容易导致模型出现过拟合，使得最终得到的预测结果准确度偏低。

综合上述，相关技术中存在的技术问题亟需得到解决。

发明内容

本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。

为此，本申请实施例的一个目的在于提供一种学生成绩的预测方法，该方法可以得出较为准确的学生成绩预测结果，有利于更好地指导教学工作的进行。

本申请实施例的另一个目的在于提供学生成绩的预测系统。

为了达到上述技术目的，本申请实施例所采取的技术方案包括：

第一方面，本申请实施例提供了一种学生成绩的预测方法，所述方法包括以下步骤：

获取学生数据；

对所述学生数据进行PCA降维处理，得到降维后的主分量的学生数据收集表；所述学生数据收集表中包括多种和学生相关的属性值；

对所述学生数据收集表中的各个属性值进行正交编码，得到第一特征数据，将所述第一特征数据输入到训练好的成绩预测模型中进行预测，得到所述学生数据对应的学生成绩预测结果。

另外，根据本申请上述实施例的学生成绩的预测方法，还可以具有以下附加的技术特征：

进一步地，在本申请的一个实施例中，所述成绩预测模型通过以下步骤得到：

采集批量学生的样本数据，所述样本数据携带有学生成绩标签；

对所述样本数据进行PCA降维处理，得到降维后的主分量的样本数据收集表；所述样本数据收集表中包括多种和学生相关的属性值；

对所述样本数据收集表中的各个属性值进行正交编码，得到第二特征数据，将所述第二特征数据输入到初始化的成绩预测模型中进行预测，得到所述样本数据对应的第一成绩预测结果；