基于Stacking集成模型的混合式学习成绩预测研究
杨钰辉1
朱静2
张健齐1
1.新疆农业大学计算机与信息工程学院 新疆乌鲁木齐 8300522.新疆农业大学计算机与信息工程学院 新疆乌鲁木齐 830052;智能农业教育部工程研究中心 新疆乌鲁木齐 830052;新疆农业信息化工程技术研究中心 新疆乌鲁木齐 830052
摘要：针对传统学生成绩预测模型存在结构单一、过度依赖特征等局限性,导致泛化能力和预测准确性受限,文章提出了一种基于贝叶斯优化的Stacking集成学生成绩预测方法.该方法结合XGBoost、AdaBoost和逻辑回归,通过Stacking算法实现模型的优势互补,提升预测能力,减少对单一特征的依赖.通过分析雨课堂的线上、线下数据,筛选出与成绩相关的关键特征,并采用SMOTE算法解决数据不均衡问题.同时,把贝叶斯用于超参数调优,用以平衡训练时间与预测效果.实验结果表明,Stacking模型的准确率为77.3％,显著优于XGBoost(73.7％)、AdaBoost(55.8％)和逻辑回归(54.3％).该方法为混合式教学中的学情把握、教学干预和成绩预测提供了有效支持.
关键词：学生成绩预测混合式教学Stacking贝叶斯优化SMOTE算法
资助基金：科技创新新一代人工智能重大项目(2030;2022ZD0115805)
论文发表日期：2025-07-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 11-15 )