[发明专利]一种基于高考大数据的院校录取成绩预测方法

说明书

该发明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。

技术领域

本发明涉及数据挖掘领域，更具体的，涉及基于高考大数据的院校录取成绩预测模型。

背景技术

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。

发明内容

本发明提供了一种基于高考大数据的院校录取成绩预测模型。通过使用各类统计机器学习模型进行组合，得出性能较好的预测模型，通过历史高考数据对模型进行训练，使模型能够精准地预测当年各高校的录取成绩。

本发明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(如非线性回归模型GBDT)，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(如谱聚类)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。

本发明提出的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：j_n表示第n年高校的招生人数，z_n表示第n年z高校的专业数，g_n-1表示第n-1年的录取最高分与录取最低分的差值；r_n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：