基于改进支持向量机的数学成绩预测模型

摘要

文章提出一种改进蜂群算法(ABC)优化支持向量机(SVM)的数学成绩预测分析方法.首先,采用随机森林对输入变量进行特征提取.其次,通过基于二维均匀的种群初始化和欧氏距离的食物源更新对传统的人工蜂群算法进行改进,构建预测模型,进而提高SVM的预测性能.最后,通过使用UCI的数据集进行实验.实验结果表明,与其他优化算法对比,改进的SVM算法减少了数学成绩预测的计算量,缩短了预测时间,降低了预测错判率,提高了成绩预测的精确度,使数学成绩预测分析具有较好的准确率.