基于随机森林算法的专业核心课程成绩与毕业结论研究  

胡少启1 贾梦杰1 彭月2  

1滁州学院教务处，安徽滁州，239000；  

2明光市管店中心小学，安徽滁州，239000；  

摘要：为实现对学生学业修读情况的早期精准监测与有效干预，提高地方应用型本科高校人才培养质量，已成为当下高校亟待深入探究的重要课题。本研究以软件工程专业2019-2023届398名毕业生样本为数据源，选取12门专业核心课程成绩作为关键分类特征。基于机器学习领域中的随机森林算法，构建了学生专业核心课程成绩与毕业情况的预测模型。实验结果表明，该模型总体预测准确率高达89.59%，显著优于其他几类常见的机器学习算法模型，表明该模型在学生学业与毕业结论预测具有良好的应用效果。  

关键词：决策树；随机森林；专业核心课程；毕业结论  

参考文献  

[1]毕瑶家,刘国柱,王华东等.改进随机森林算法在人才培养质量评价中的应用[J].计算机系统与应用.2020,29(7):212−216.  

[2]金城,崔荣一,赵亚慧.基于机器学习的高考信息与大学程序设计课程成绩相关性分析研究[J].延边大学学报（自然科学版），2020,46(4):366−370.  

[3]董建文,张一春,胡燕.基于决策树算法的学习结果预测模型设计与应用[J].广播电视大学学报，2022,(1):39-46.  

[4]刘丽娟,林雨衡,王晓琪等.多维特征对高校学生学业预警预测的影响[J].厦门理工学院学报，2020,28(4):54−61.  

[5]马昕,王雪,杨洋.基于随机森林算法的大学生异动情况的预测[J].江苏科技大学学报（自然科学版）.2012,1（26）:86-90.  

[6]刘志妩.基于决策树算法的学生成绩的预测分析[J].计算机应用与软件,2012,11（29）:312-314.  

[7]QuinlanJR.Induction of decisiontrees[J].MachLearn,1986,（1）:81.

[8]BreimanL.Randomforests［M］.MachLearn,2001,45,(1):5.

[9]胡永培,张琛.基于AP聚类与随机森林的客户流失预测研究[J].计算机技术与发展.2021,2（31）:86-90.  

[10]Wolpert DH,Macready WG.An efficient method to estimate baggings generalization error[J].MachLearn,1999,35(1):41.

[11]班文静,姜强,赵蔚.基于多算法融合的在线学习成绩精准预测研究[J].现代远距离教育，2022,(3):37-45.  

[12]罗杨洋,韩锡斌.基于增量学习算法的混合课程学生成绩预测模型研究[J].课程与教学，2021,(7):83-90.