(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111414779.8 (22)申请日 2021.11.25 (71)申请人 中国海洋大学 地址 266100 山东省青岛市崂山区松岭路 238号 (72)发明人 王鑫宁　赵宇奔　 (74)专利代理 机构 青岛锦佳专利代理事务所 (普通合伙) 37283 代理人 朱玉建 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/20(2012.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 20/20(2019.01) (54)发明名称 一种基于大数据的学情预测方法 (57)摘要 本发明公开了一种基于大数据的学情预测 方法， 该方法包括如下步骤： 通过学情特征选择 与数据预处理， 得到学情样本数据集并分成训练 集和测试集； 然后搭建XGBoo st学情预测模型， 并 基于鲸鱼优化算法和灰狼优化算法， 利用训练集 对模型的超参数分别进行调优， 得到相应的超参 数向量， 并进一步基于 鲸鱼优化算法和灰狼优化 算法得到的超参数向量， 得到XGBoost学情预测 模型的最优超参数， 完成模型训练； 然后将测试 集中的测试样本输入到训练好的XGBoo st学情预 测模型中， 判断模型能否达到预期 的预测效果， 如果符合预期的预测效果， 则利用训练好的 XGBoost学情预测模型进行学情预测。 本发明方 法充分考虑了学情预测的影 响因素， 并通过上述 几种方法的组合， 利于提高学情预测的准确率。 权利要求书3页 说明书6页 附图1页 CN 114169595 A 2022.03.11 CN 114169595 A 1.一种基于大 数据的学情预测方法， 其特 征在于， 包括如下步骤： 步骤1.学情特 征选择与数据预处 理； 从学校学生数据共享平台获取n个学生的学习和一卡通的各项数据， 选取用于进行学 情预测的学情特 征， 然后对学情特 征进行预处理， 得到对应于每 个学生的学情 样本； 所述学情特征包括性别， 籍贯， 以往课程成绩， 奖学金获得情况， 图书馆进馆情况， 早、 中、 晚消费时间， 心理健康状况， 所 预测科目教工编号以及所 预测科目成绩； 经过学情特征选取与数据预处理得到由n个学情样本组成的数据集， 将数据集中70％ 的学情样本作为训练集用于模型训练， 将数据集中30％的学情样本作为测试集用于模型测 试； 步骤2.搭建XGBo ost学情预测模型； 步骤2.1.初始化XGBo ost学情预测模型的超参数； 初始化的超参数包括对学情特征进行分割的树的最大深度Dmax、 学习率eta、 学情特征 的最小划分损失阈值Gmin以及控制模型复杂度的超参数 λ和γ； 步骤2.2.设置经验损失函数， 计算训练集中训练样本在当前树的目标函数Obj： 其中， U表示训练集中训练样本的数量； 公式(1)等式右边第一项为经验损失函数， yi表示预测科目的真实成绩， 表示前 k‑1棵树对该 科成绩的 的预测值之和， fk(xi)表示建立第k棵树预测第i个样本的成绩； 公式(1)等式右边的第二项以及第三项为控制XGBoost学情预测模型复杂度的正则化 函数， 其中， 参数T为叶子结点数， wj为第j个叶子结点 值； 步骤2.3.通过泰勒展开近似变换公式(1)， 得到如公式(2)所示的目标函数； 其中， Ij为落入第j个叶子结点的训练样本的集 合； gi为训练集中第i个训练样本的损失函数对第i个训练样本的预测成绩的一阶偏导数； hi为训练集中第i个训练样本的损失函数对第i个训练样本的预测成绩的二阶偏导数； 表示前k‑1棵树对该 科成绩的预测值之和； l表示损失函数， 用于度量XGBo ost学情预测模型的预测值与实际值之间的差异； 表示真实值和前k ‑1棵树累加的预测值的损失函数； 的计算公式为： 步骤2.4.依据公式(2)通过贪婪算法建立树， 每棵树都得到一个预测值， 将每棵树的预 测值累加得到成绩预测值， 利用贪婪算法不断建树， 使成绩预测值逼近真实值； 贪婪算法建立 树的具体过程如下： 步骤2.4.1.从深度为0的树 开始， 对每 个叶子结点枚举所有可能的学情特 征；权　利　要　求　书 1/3 页 2 CN 114169595 A 2步骤2.4.2.在枚举过程中， 用分裂前的目标函数减去分裂后的目标函数， 得到信息增 益Gain， 如公式(3)所示， 此处， 目标函数即公式(2)示出的目标函数； 其中， GL为左子树中训练样本的一阶导数之和， HL为左子树中训练样本的二阶导数之 和， GR为右子树中训练样本的一阶导数之和， HR为右子树中训练样本的二阶导数之和； 步骤2.4.3.将训练集中所有训练样本按照 升序进行排列， 比较得到分裂结点处信息增 益Gain最大的最佳分裂点， 并将其记录为 最大增益； 步骤2.4.4.选择增益最大的学情特征为分裂特征， 用该特征的最佳分裂点作为分裂位 置， 在该结点上分裂出左右两个新的叶结点， 并为每 个新结点关联对应的训练样本集； 步骤2.4.5.重复以上步骤， 直到最大增益Gain为预先设定的最小划分损失阈值Gmin， 则 当前树建立完毕， 得到弱分类 器， 并更新强分类 器， 进入下一轮迭代； 步骤3.对XGBo ost学情预测模型的超参数进行调优； 步骤3.1.利用鲸鱼优化 算法寻找XGBo ost学情预测模型的最优 超参数， 过程如下： 步骤3.1.1.初始化鲸鱼种群数量M， 随机产生M个超参数的位置； 设置最大迭代次数为T1max； 步骤3.1.2.设置适应度函数为决定系数R12， 决定系数R12的计算公式如下： 式中， 为实际成绩的平均值， 表示成绩预测值； 利用上述决定系数R12计算M个XGBoost学情预测模型的超参数的适应度， 并根据适应度 值的大小排序， 选取适应度最优的超参数为 最优位置； 步骤3.1.3.更新下一代搜索代理的位置， 公式如下： Dd+1＝D*d+ebp·cos(2 πp)·|D*d‑Dd|； 式中， d表示当前迭代次数， Dd表示第d次迭代的位置向量， D*d表示目前为止最佳位置向 量， Dd+1表示第d+1次迭代的位置向量， b和p为搜寻轨 迹参数； 步骤3.1.4.重复以上迭代过程， 直到迭代次数k达到最大迭代次数T1max， 则得到鲸鱼算 法优化后的XGBo ost学情预测模型的超参数向量A； 步骤3.2.利用灰狼优化 算法寻找XGBo ost学情预测模型的最优 超参数； 步骤3.2.1.随机产生数量 为N的灰狼种群作为XGBo ost学情预测模型的超参数群； 设置灰狼优化 算法的相关参数， 包括收敛因子 c、 系数w和z； 设置适应度函数为决定系数R22和最大迭代次数T2max； 决定系数R22的公式如下： 步骤3.2.2.计算每 个超参数的适应度， 并决定α 、 β 和 δ 三个适应度最 好的搜索代理； 步骤3.2.3.依据下式更新 适应度和超参数的位置： Dt+1＝D*t‑(2c·w‑c)(2z·D*t‑Dt)； 式中， t为当前迭代次数， D*t代表最佳超参数位置向 量， Dt表示当前超参数位置向量， Dt+1表示下一次迭代超参数位置向量；权　利　要　求　书 2/3 页 3 CN 114169595 A 3