一、基本信息
标题：.学生成绩关键因素挖掘与成绩预测
时间：2019
来源：南京信息工程大学学报(自然科学版)
关键词：教育数据挖掘; 学生成绩分析; 密度全局K-means算法; 关联分析; 预测分析;
二、研究内容
1 成绩影响因素聚类分析方法：设X={x1, …, xn}⊂Rp是包含n个样本的数据集, 每个样本含有p维属性, 聚类就是将X划分为k个类簇{C1, …, Ck}, 使X=∪j=1kCj,∩j=1kCj=ΦX=∪j=1kCj,∩j=1kCj=Φ, 且使聚类误差平方和E=∑i=1n∑j=1kχ(xi)∥xi−mj∥E=∑i=1n∑j=1kχ(xi)∥xi-mj∥达到最小, 其中mj (j=1, …, k) 是第j类簇Cj的质心, 
2 成绩预测方法：以学生现有成绩对学生的未来成绩进行预测
3 预测成绩评价方法：
1) Rand指数:
R= (a+d) / (a+b+c+d) .
2) Jaccard系数:
J=a/ (a+b+c) .
3) ARI参数:
IAR=2(ad−bc)(a+b)(b+d)+(a+c)(c+d)ΙAR=2(ad-bc)(a+b)(b+d)+(a+c)(c+d).
4) 聚类准确率 (accuracy) :
Racc=rnRacc=rn.
4 实验数据与数据预处理
5 实验结果与分析：
关键因素分析
成绩关联分析
成绩预测分析
三、结论
了解学生成绩分析不同因素的研究方法，文献十分详细解决了大部分操作算法问题。
四、参考文献
[9]谢娟英,张宜,陈恩红.学生成绩关键因素挖掘与成绩预测[J].南京信息工程大学学报(自然科学版),2019,11(03):316-325.