支持向量机在高考成绩预测分析中的应用

• 作 者: 陆丛林
• 出 处: 苏州大学
• 发表日期: 2015年期
• 关键词: 支持向量机 高考 预测 神经网络 机器学习

在中国,高考被考生和家长寄予了极大的期望。但高考成绩发榜以后,却有一些考生因高考成绩不符合自身的期望而离家出走甚至轻生的报道,其中有不少是因为对自己的期望值太高而引起的。那么,能不能对高考进行合理、科学的预测呢?本论文希望借助于机器学习的方法来进行高考的合理且科学的预测。目前,基于数据的机器学习方法在各个领域中被广泛应用,如图像分类、股票预测、医疗辅助诊断、语音识别等等。机器学习方法可以从给定的数据集中获取所需的信息和知识,从而解决相应的实际问题。由于在机器学习中,支持向量机是一种非常引人瞩目的学习方法,具有良好的推广性和强大的非线性处理能力。因而,支持向量机方法是本论文重点讨论的对象。在确定好方法之后,还需要收集预测所需的数据。我们整理了江苏省海门市四甲中学2014届高三学生的六次模拟考试与高考成绩,删去缺考人员的数据,共收集到538个学生的考试成绩。我们采用支持向量机来分析处理这些数据。除了利用模拟考试成绩来预测分数之外,我们还对录取批次进行了预测。这是因为考生们更为关注的是录取批次,且比分数预测更为稳定。在实验中,我们设计了三种情形。一是通过六次模拟考试的特征分来预测高考的特征分;二是通过六次模拟考试和高考的特征分来预测高考的录取批次;三是通过六次模拟考试的特征分和高考的预测特征分来预测高考的录取批次。在所有的实验中,我们均和神经网络进行了对比。实验结果均表明了支持向量机方法的稳定性和良好的预测性。