基于机器学习的高考数据分析研究

纪明涛 刘曦 高科 李彦波

咸阳师范学院，陕西咸阳，712000；

摘要：本文以全国高考数据为对象，探究机器学习在高考挖掘与预测中的应用，阐释决策树、神经网络等算法原理。围绕多维度特征，提取区域教育投入、学科均衡性、应试状态等核心因素，利用集成学习构建录取概率预测模型，融合分数线、位次等数据。验证表明，模型在2018—2022年准确率达82.3%，较传统方法提升17.6个百分点，可为政策制定和考生志愿提供支持。

关键词：机器学习；高考数据；数据分析；预测研究

参考文献

[1]任伊敏.基于机器学习的学生成绩预测与提升策略研究[D].昆明: 云南师范大学,2023.

[2]马沅号,王红梅,刘浩强, 等.基于CNN-LSTM-ATT混合模型的高校高考录取分数预测研究[J].现代信息科技,2026(4):24-31.

[3]宋建铭,张岳,李国印.基于LSTM的高考志愿决策系统[J].现代信息科技, 2024,8(21):109-113.

[4]董雷刚,崔晓微.基于机器学习的大学生学习行为分析研究[J].信息与电脑, 2025(7): 196-198.

[5]顾国欣,李天赐,李长有,等.基于机器学习的应用型本科生就业能力预测系统设计[J].信息与电脑,2025(21):150-152.

[6]黄利明.基于机器学习的海量数据分析方法研究[J].信息与电脑2026(1): 84-86.

[7]Wang L. Performance Prediction of Compulsory Subjects and Recommendation of Subject Options for China's New College Entrance Examination[D]. Sarawak: University Malaysia Sarawak, 2026.

[8]Guevara-Reyes R, Ortiz-Garcés I, Andrade R, et al. Machine learning models for academic performance prediction: interpretability and application in educational decision-making[J]. Frontiers in Education, 2025, 10.