公开(公告)号：CN115204537A

公开(公告)日：2022-10-18

申请号：CN202211132291.0

申请日：2022-09-17

Applicant: 华北理工大学

Inventor： 于复兴 ,  刘欣然 ,  宁学斌 ,  吴亚峰 ,  索依娜

IPC: G06Q10/04 ,  G06Q50/20 ,  G06K9/62

Abstract: 本发明公开一种基于Bagging的学生成绩预测方法，步骤一：利用自助采样法生成m个不同的训练子集；步骤二：将步骤一中的每一个训练子集，分别利用决策树、随机森林、XGBoost、LightGBM模型作为基模型组，从训练子集中的K个数据特征维度随机抽取S个特征子集进行训练各自的成绩预测分类模型，得到对应组的成绩预测输出结果，并采用软投票的方式形成m个中间结果投票分类；步骤三：对于中间结果投票分类1~投票分类m，再采用软投票的方式输出对应等级概率，并生成Bagging融合模型最终输出成绩预测结果。此集成学习成绩预测方法提高了单一模型预测的准确率。

公开(公告)号：CN115271271A

公开(公告)日：2022-11-01

申请号：CN202211194342.2

申请日：2022-09-29

Applicant: 华北理工大学

Inventor： 于复兴 ,  刘欣然 ,  宁学斌 ,  吴亚峰 ,  索依娜

IPC: G06Q10/04 ,  G06Q50/20 ,  G06K9/62

Abstract: 本发明公开一种基于Stacking的学生成绩预测方法，将训练集数据划分为五等份，Stacking方法第一层选用XGBoost、LightGBM、随机森林、决策树作为基模型，对于每个基模型采用5折交叉验证方式，分别得到以train1~train5作为验证集的5个预测输出结果，并将上述预测输出结果纵项拼接；对于第一层的4个基模型，得到train1~train5的模型预测的结果，将他们组成一列新的特征A1~A4；将特征A1~A4作为新的特征列加入到原始训练集A5上，作为第二层模型的输入。Stacking融合方法的预测准确率为84%，相对于单一模型预测有较大的精度提高。