基于机器学习的贫困生分类预测研究

• 作者: 周志敏 张源 陆桂明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 主成分分析法 过采样算法 贫困生 XGBoost模型 分类预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息技术交流
• 页码范围: 316-319
• 页数: 4页
• 分类号: TP3
• 字数: 2836字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.055

摘要

针对高校贫困生认定工作中存在的问题,利用校园一卡通数据,综合学生消费和生活规律,结合XGBoost(Extreme Gradient Boosting)模型和主成分分析法、过采样算法,建立高校贫困生的分类预测方法.该方法在贫困生分类预测中的准确率较高.实验结果证明,采用XGBoost模型比其他模型预测准确率更高,为我国高校贫困学生的评定标准提供重要依据,保证了贫困学生认定工作的公正性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆桂明	华北水利水电大学信息工程学院	51	149	8.0	10.0
2	周志敏	浙江水利水电学院信息工程与艺术设计学院	22	68	4.0	5.0
3	张源	华北水利水电大学信息工程学院	1	3	1.0	1.0