公开(公告)号：CN119047932B

公开(公告)日：2025-01-24

申请号：CN202411534382.6

申请日：2024-10-31

Applicant: 无锡学院

Inventor： 陈逸菲 ,  姜忠堃 ,  叶小岭 ,  宋莹 ,  孙宁 ,  李佳慧

IPC: G06Q10/0639 ,  G06Q50/20 ,  G06F18/2431 ,  G06N5/01 ,  G06N20/20 ,  G06F18/214 ,  G06V10/80

Abstract: 本发明公开了一种集成学习成绩预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；使用预先训练好的XGBoost模型预测学习行为数据在XGBoost模型训练过程中的迭代信息；对迭代信息进行独热编码，得到学习行为数据的二进制特征向量；将二进制特征向量输入预先训练好的软投票分类器中，得到目标学生的成绩预测结果。本发明在第二层预测中将XGBoost模型、LR模型和RF模型进行融合，将三个模型的预测数据进行加权平均得到融合预测结果，解决传统预测方法最下层模型单一导致的预测性能不佳的问题，有效提高预测性能和准确率。

公开(公告)号：CN119047932A

公开(公告)日：2024-11-29

申请号：CN202411534382.6

申请日：2024-10-31

Applicant: 无锡学院

Inventor： 陈逸菲 ,  姜忠堃 ,  叶小岭 ,  宋莹 ,  孙宁 ,  李佳慧

IPC: G06Q10/0639 ,  G06Q50/20 ,  G06F18/2431 ,  G06N5/01 ,  G06N20/20 ,  G06F18/214 ,  G06V10/80

Abstract: 本发明公开了一种集成学习成绩预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；使用预先训练好的XGBoost模型预测学习行为数据在XGBoost模型训练过程中的迭代信息；对迭代信息进行独热编码，得到学习行为数据的二进制特征向量；将二进制特征向量输入预先训练好的软投票分类器中，得到目标学生的成绩预测结果。本发明在第二层预测中将XGBoost模型、LR模型和RF模型进行融合，将三个模型的预测数据进行加权平均得到融合预测结果，解决传统预测方法最下层模型单一导致的预测性能不佳的问题，有效提高预测性能和准确率。