基于神經(jīng)網(wǎng)絡(luò)算法的高校貧困生預(yù)測模型研究

（江蘇科技大學(xué)蘇州理工學(xué)院 江蘇 215600）

1 引言

高校在智慧校園與高校大數(shù)據(jù)平臺建設(shè)中，沉淀了大量的學(xué)生校園行為數(shù)據(jù)，尤其是在校園一卡通普及后，每天高校都產(chǎn)生數(shù)萬條學(xué)生刷卡行為數(shù)據(jù)。而貧困生資助工作一直以來是高校學(xué)生工作的重點之一，實現(xiàn)資助工作科學(xué)化的前提是識別對象精準(zhǔn)化。但是高校在傳統(tǒng)的貧困生認(rèn)定工作中，仍然會出現(xiàn)因?qū)W生材料可信度考證難度大、偽貧困和學(xué)生因心理壓力拒絕申請等情況出現(xiàn)，對此給高校貧困生認(rèn)定工作帶來了一定困難。

為了提高貧困生認(rèn)定的準(zhǔn)確率，各高校都在研究使用數(shù)據(jù)挖掘與大數(shù)據(jù)技術(shù)突破貧困生認(rèn)定工作的瓶頸，如使用Apriori 關(guān)聯(lián)規(guī)則算法、貝葉斯分類算法、K-Means 聚類算法、SVM（支持向量機）等算法模型提高貧困生認(rèn)定的精準(zhǔn)率。本文采用神經(jīng)網(wǎng)絡(luò)算法模型實現(xiàn)對貧困生身份的精準(zhǔn)預(yù)測。神經(jīng)網(wǎng)絡(luò)算法有較強的非線性映射能力，適合于求解內(nèi)部機制復(fù)雜的問題，具備自組織自適應(yīng)、非線性映射、高度并行、高泛化等特點，對基于校園一卡通消費數(shù)據(jù)的數(shù)據(jù)挖掘工作有較高的識別預(yù)測的能力，可以輔助高校挖掘潛在的貧困生，提高資助工作精準(zhǔn)性。

2 基于神經(jīng)網(wǎng)絡(luò)算法的預(yù)測模型

BP 網(wǎng)絡(luò)，是一種按誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，用于函數(shù)逼近、模型識別分類、數(shù)據(jù)壓縮和時間序列預(yù)測等。它是一種有監(jiān)督的學(xué)習(xí)算法，具有很強的自適應(yīng)、自學(xué)習(xí)、非線性映射能力，能較好地解決數(shù)據(jù)少、信息貧、不確定性問題，且不受非線性模型的限制。一個典型的BP 網(wǎng)絡(luò)應(yīng)該包括三層：輸入層、隱含層和輸出層。各層之間全連接，同層之間無連接。隱含層可以有很多層，對于一般的神經(jīng)網(wǎng)絡(luò)而言，單層的隱含層已經(jīng)足夠了。上圖是一個典型的BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

2.1 貧困生的消費特征提取與選擇

本次模型數(shù)據(jù)依托于學(xué)生基本信息和學(xué)校一卡通系統(tǒng)中的數(shù)據(jù)進行分析，挖掘?qū)W生消費習(xí)慣與貧困生之間的關(guān)系。高校數(shù)據(jù)中，雖然有很多看似有用的數(shù)據(jù)，例如學(xué)生填寫的家庭經(jīng)濟情況信息，包括家庭人口、工作、收入和其他證明材料（生病證明、受災(zāi)證明、貧困證明等），但都存在一定主觀性，學(xué)校無法準(zhǔn)確判斷其真實有效性，所以本次采用數(shù)據(jù)中，基本信息只是用學(xué)生最基本信息，如生源地、民族、考生類別等信息。

在一卡通消費數(shù)據(jù)中，本文選取2018 年9 月到12 月份18 級某學(xué)院的學(xué)生消費數(shù)據(jù)，共計22W 條。數(shù)據(jù)樣本中，因?qū)W校水費電費采取宿舍內(nèi)部公攤形式收費，容易使貧困生個人消費數(shù)據(jù)失準(zhǔn)，所以從樣本集中刪除該類數(shù)據(jù)，同樣刪除的有季節(jié)性消費的熱水、淋浴類型數(shù)據(jù)。此時一卡通數(shù)據(jù)共計186822 條。

由于挖掘模型是針對學(xué)生個體，所以在數(shù)據(jù)與處理階段，將18.6W 條數(shù)據(jù)，根據(jù)學(xué)生個人進行統(tǒng)計，統(tǒng)計維度包括學(xué)生每月消費次數(shù)，每月消費金額，月早午晚餐次數(shù)和金額、食堂消費，超市消費，其他類型消費等。

圖1 為學(xué)生個人數(shù)據(jù)，由于分析軟件對中文不友好，所以將學(xué)生的政治面貌、性別、生源等信息，替換為數(shù)字標(biāo)識。

圖1 學(xué)生數(shù)據(jù)

2.2 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建

本文使用的是BP神經(jīng)網(wǎng)絡(luò)模型，是從有貧困生身份字段（is_poor）的訓(xùn)練集中，挖掘?qū)W習(xí)數(shù)據(jù)內(nèi)部規(guī)則的算法，然后對測試數(shù)據(jù)進行測試預(yù)測出貧困生身份。本文實驗基于具有圖形用戶界面的互動原型特點的RapidMiner 平臺，此平臺為開源平臺，除了提供圖形交互外，還提供支持代碼鑲嵌，開放接口等功能。

本次模型神經(jīng)網(wǎng)絡(luò)建立了三層結(jié)構(gòu)，直觀展示了輸入輸出過程，輸入層為學(xué)生個人數(shù)據(jù)的58 個特征，每個特征對應(yīng)一個神經(jīng)元，所以輸入層節(jié)點為58 個。此次挖掘是針對學(xué)生是否為貧困生身份進行的，所以輸出層神經(jīng)元個數(shù)為2 個。中間層為隱藏層，因為本次挖掘?qū)W習(xí)使用數(shù)據(jù)量較大，考慮到效率問題，僅使用了一個隱藏層。根據(jù)公式H=（M+N）1/2+α，M 為58，N 為2，α∈[1，10]，結(jié)合實際訓(xùn)練結(jié)果，隱藏層為16 個神經(jīng)元時結(jié)果最好。AdaBoost 的iterations設(shè)置為10，training cycles 設(shè)置為200，error epsilon 為10E-4。

2.3 預(yù)測模型的驗證

模型完成訓(xùn)練后，將測試數(shù)據(jù)導(dǎo)入模型中，記錄模型數(shù)據(jù)層節(jié)點輸出的值，將預(yù)測值predict（is_poor）與測試集對應(yīng)的實際貧困生身份對比分析。測試結(jié)果如表1 所示。本次測試共355 條數(shù)據(jù)，其中正確預(yù)測記錄為293 條，正確率為82.54%。本模型采用學(xué)校真實數(shù)據(jù)，對學(xué)校學(xué)生貧困身份進行識別，并與相關(guān)部門提供的學(xué)生貧困生數(shù)據(jù)進行對比。

表1 預(yù)測結(jié)果

3 結(jié)論

本次數(shù)據(jù)挖掘，采取校園一卡通22W 條數(shù)據(jù)，和355 條學(xué)生個人信息數(shù)據(jù)，通過數(shù)據(jù)清晰和預(yù)處理，從22W 條數(shù)據(jù)中提取近百個特征點，通過傳統(tǒng)和主成分分析等方法，保留了58 個特征點，將數(shù)據(jù)引入到神經(jīng)網(wǎng)絡(luò)模型中，得到準(zhǔn)確率為82.54%的模型，符合對該模型的預(yù)期。

將大數(shù)據(jù)技術(shù)和神經(jīng)網(wǎng)絡(luò)挖掘方法應(yīng)用到高校的貧困生認(rèn)定工作中，旨在甄別貧困生身份，通過分析學(xué)生的基本信息和校園一卡通的業(yè)務(wù)數(shù)據(jù)，保證模型的客觀性。在經(jīng)過大量數(shù)據(jù)訓(xùn)練和驗證后，本模型可以作為貧困生身份認(rèn)定的參考依據(jù)，輔助學(xué)校相關(guān)部門，在貧困生認(rèn)定工作時提供數(shù)據(jù)和決策支持。

在數(shù)據(jù)預(yù)處理和特征選擇時，還可以通過其他嘗試，提高模型的準(zhǔn)確率。例如根據(jù)一卡通數(shù)據(jù)消費特點，增加或刪除特征點；根據(jù)不同時間節(jié)點，將學(xué)生數(shù)據(jù)分為周末消費和非周末消費；引入學(xué)業(yè)成績數(shù)據(jù)和其他非一卡通數(shù)據(jù)，提取特征點，加入模型。