贝叶斯分类模型在学生成绩预测中的应用研究

收稿日期：2018年4月10日，修回日期：2018年5月15日

基金项目：陕西省教育厅科研计划项目（编号：16JK1823）；陕西省计算机教育学会2016教学改革项目（编号：013）；咸阳师范学院校级项目（编号：15XSYK047）；咸阳师范学院“青蓝”人才工程项目（编号：XSYQL201608）资助。作者简介：韩丽娜，女，博士，教授，研究方向：数据挖掘，图像处理。?

1引言

贝叶斯分类方法是一种基于统计的学习方法，

它利用概率统计进行学习分类，如预测一个数据对象属于某个类别的概率，主要算法有朴素贝叶斯分类算法，贝叶斯信念网络分类算法等。贝叶斯分类方法能够充分利用领域知识和先验信息，显示计算假设概率，而且分类结果是领域知识和数据样本信息的综合体现［1~2］。随着信息化技术的不断发展，高校积累了大量的学生信息，因此希望通过建立贝叶斯分类模型对已有学生数据进行挖掘分析，预测学生成绩分布情况，及时反馈教学效果，进而对学生的行为进行个性化指导，不仅有利于教师改进教

学方式，而且对学生的管理工作也提供了有用的参考信息。因此应用贝叶斯分类模型进行学生成绩分析具有重要的现实意义。

2

贝叶斯分类模型理论

2.1

贝叶斯定理

贝叶斯方法采用计算每一个样本属于每一类

的概率，然后将样本划分为具有最大概率的那一类中。即已知样本x 的条件下，计算其属于某一类的概率［1~3］。

2.2贝叶斯公式中的相关概率

先验概率P (c j )：表示训练样本数据前c j (类别)

拥有的初始概率。P (c j )常被称为c j 的先验概率

贝叶斯分类模型在学生成绩预测中的应用研究

?

韩丽娜

（咸阳师范学院图形图像研究所

咸阳

712000）

摘

要

贝叶斯分类模型依据实验样本数据信息，计算待测数据属于某类别的概率，进而确定该数据的归属类别。文

章以某班学生某门课程学习信息数据为挖掘对象，采用贝叶斯分类模型对预测数据进行挖掘分析得出分类结果。通过对训练样本进行测试试验，准确率达到83%，并且得出影响学习效果的主要因素，从而为分析学生学习情况，给予个性化提示与指导提供有效的建议。

关键词

贝叶斯分类模型；类条件概率；模型评估

中图分类号

TP311

DOI ：10.3969/j.issn.1672-9722.2018.10.020

Application of the Bayesian Classification Model in the Forecast of

Student Achievement

HAN Lina

（Institute of Graphics and Image Processing ，Xianyang Normal University ，Xianyang

712000）

Abstract

According to the data of the experimental samples ，the probability that the measured data belongs to a certain cate ?

gory are calculated and the category of the data are also determined.In this paper ，taking the students 'study data as mining objects ，classification results are obtained by using Bayesian classification model.Through testing the training samples ，the accuracy rate is

83%.And the main factors influencing learning effects are founded out so as to analyze students 'learning and provide effective sug ?gestions on individualized presentation and guidance.

Key Words Bayesian classification model ，class conditional probability ，model evaluation

Class Number

TP311

万方数据