基于 XGBoost 特征优化与 ANN 集成的学生多维度学业表现预测
作 者：
施亭妤
摘 要：
本研究集成 XGBoost 特征选择与人工神经网络（Arificial Neural Networks, ANN），构建学生学业表现预测模型。基于多维度数据集（课堂参与、家庭背景等），通过 XGBoost 筛选关键特征，ANN 实现分类预测。实验表明，ANN 模型准确率达 0.63，优于传统算法（随机森林 0.58，SVM 0.55），为教育个性化干预提供有效工具。
来 源：
《信息产业报道》 2025-07