摘要
为提高学生成绩预测的准确率,提出了基于麻雀搜索算法(SSA)优化支持向量机(SVM)的学生成绩预测模型。首先由SSA优化SVM参数,即通过不断迭代获取全局最优位置确定SVM的惩罚因子和核函数参数;然后利用优化后的SVM分类器对学生成绩进行预测;最后在UCI-Mat数据集上进行评估。实验结果表明:目标属性G3(期末成绩)与前两次的平时成绩(G1和G2)具有很强的关联性;与一般的SVM、BP及随机森林算法相比,SSA-SVM模型能够有效提高学生成绩预测的准确度,准确率可达95%。
作者
张广海
祖璇
Zhang Guanghai;Zu Xuan
出处
《池州学院学报》
2023年第3期11-15,共5页
Journal of Chizhou University
基金
安徽高校自然科学研究项目(KJ2021A1221)。