基于聚类算法的学生学业表现分析预测模型

针对学业分析预测模型簇中心模糊问题,采用k-means聚类算法对学生的表现数据进行分析,提出了一种学生学业表现的预测模型。在聚类分析中,结合欧式距离与距离度量公式,定义聚类优化目标函数,计算出每个元素与每个簇中心的距离。将计算出的数据元素与每个簇中心的距离进行比较,并将数据元素分配到最近的簇中心,将数据元素分配到各自的簇中心重新计算每个集群中分配的数据元素的簇中心。在明确簇中心的基础上,与学习者学习相关的数据实行聚类分析,获取学生学业表现分析预测模型。实验结果表明,该模型可准确计算出学习者对课程的忠诚度得分,提高用户在线学习的热度,精确率以及召回率均控制在90%以上,可以对教育机构提供决策帮助。