[发明专利]一种基于支持向量机和最大互相关熵的成绩预测方法

摘要

本发明公开了一种基于支持向量机和最大互相关熵的成绩预测方法，通过对用户进行卡特尔16PF心理测验，获取用户的人格因子数据作为样本特征集，同年获取到其全国大学生英语四级(CET‑4)考试成绩作为样本标签；然后在样本集上使用本发明中提出的基于支持向量机和最大互相关熵回归的人格因素对CET‑4成绩预测方法。该方法首先建立支持向量机分类器对样本集进行细粒度的划分，然后在分类器过滤后的样本集上采用基于最大互相关熵的多元线性回归的方法建立预测模型。本发明通过大学生卡特尔16PF心理测验可完成对其同年CET‑4成绩的预测，并且本发明对于卡特尔心理测验中产生的误差、Pearson相关系数强筛选人格因子、多元回归分析弱筛选人格因子等情况有着很好的鲁棒性和准确性。

主权项

1.一种基于支持向量机和最大互相关熵的成绩预测方法，其特征在于，包括以下步骤：步骤1：首先对用户进行卡特尔16PF心理测验，得到用户的16PF数据作为数据特征集X，再获取到用户同年的考试成绩作为数据标签Y；量化数据特征集X中每个特征的数值，使特征的数值分布在[1,10]；步骤2：计算每个特征的信息增益以及每个特征与标签的Pearson相关系数，对特征的信息增益和相关系数分别从大到小排序；步骤3：对步骤2获得的所有信息增益和相关系数通过百分比阈值p进行筛选；把信息增益和Pearson相关系数处于前p的特征并入特征子集，否则就舍弃该特征，对得到的特征子集采用包裹式特征筛选法选出效果最好的特征子集；步骤4：将数据标签Y按照是否合格量化为‑1或1，建立支持向量机分类器对训练集进行分类，将样本分为考试成绩合格和不合格两类；步骤5：对步骤4得到的成绩合格的训练样本进行基于互相关熵的多元回归训练，根据测试样本的评估结果得到成绩预测模型。