一种基于高考大数据的院校录取成绩预测方法技术

该发明专利技术公开了一种基于高考大数据的院校录取成绩预测方法，属于数据挖掘领域。本发明专利技术提取了高考数据中影响录取成绩的重要特征：专业数、计划数以及录取级差。计划数是指当年各院校文理各科总招生人数；录取级差是指院校录取考生中最高分与最低分的差值。除此以外，基于高考志愿填报的特点，本发明专利技术还考虑到各高校之间会有竞争关系的存在，即某一高校的招生人数变化，影响到其他高校的录取情况。本发明专利技术提供的模型先使用同位分法进行预测，得到粗略预测值；再利用上述重要特征，使用集成学习模型，拟合出录取成绩变化率，与粗略预测值结合，得到初步预测值；最后利用无监督聚类模型对高校进行划分，拟合高校间的竞争关系，调整初步预测值，得到最终预测结果。

A method of college admission score prediction based on big data of college entrance examination

【技术实现步骤摘要】
一种基于高考大数据的院校录取成绩预测方法
本专利技术涉及数据挖掘领域，更具体的，涉及基于高考大数据的院校录取成绩预测模型。
技术介绍
高考是普通高等学校招生全国统一考试的简称，是中国学子想要实现大学梦唯一的公平途径，而志愿填报是其中极为关键的环节之一。如果志愿填报不合理，往往会出现分数高于院校录取线，导致分数浪费；或是分数低于院校录取线，导致落榜。较为传统的录取线预测方式有同位分法，线差法，线性回归法。同位分法是将往年的录取线通过一分一段表(每个分数对应的位次)转换为录取位次，再利用当年的一分一段表，将往年录取位次映射到当年的录取分数，得到预测值；线差法是求往年录取分与批次线的差值，再求该差值与当年批次线之和，得到录取线。两种方法均简单易行，通过手动计算便可得出。虽然部分预测结果较为准确，但是其将所有高校作为一个整体静态的模型，默认所有高校录取线相对稳定，忽略了每年因为各种原因发生浮动的现象，导致总体预测精度不高；线性回归法是确定年份与录取线的依赖关系，建立线性模型，而这种方法过于依赖大量的历史数据，且容易受到外部因素干扰，因此性能不佳本文档来自技高网...

【技术保护点】
1.一种基于高考大数据的院校录取成绩预测方法，包含以下步骤：/n步骤1：回归模型训练；/n根据已有的数据，以

【技术特征摘要】
1.一种基于高考大数据的院校录取成绩预测方法，包含以下步骤：
步骤1：回归模型训练；
根据已有的数据，以作为输入，作为输出，对回归模型进行训练，得到训练好的回归模型；
其中：jn表示第n年高校的招生人数，zn表示第n年z高校的专业数，gn-1表示第n-1年的录取最高分与录取最低分的差值；rn表示第n年高校的录取分位次；
步骤2：生成稳定高校集合与非稳定高校集合；
根据高校历年录取成绩，判断其波动幅度是否小于阈值，若是，则认为该高校是稳定的，将其加入集合S中；否则认为该高校是不稳定的，将其加入集合NS中；
步骤3：对步骤2集合S中高校的录取分的初步预测；
采用高校第n年的同位分作为第n+1年的录取分的初步预测值，转步骤5；其中同位分的计算方法为：
设已知第n-1年的高校录取成绩sn-1，利用第n-1年的一分一段表得到sn-1在第n-1年对应的全省排名rn-1；再利用第n年的一分一段表，找到排名rn-1对应的分数...

【专利技术属性】
技术研发人员：蔡世民，陈枭，张智成，王晨曦，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51