技术特征：
技术总结
本发明涉及一种基于机器学习的学生贫困程度预测方法，通过获取学生相关渠道的数据，将数据进行解析并计算出学生贫困的各种特征值，对缺失数值进行填补，并对数据进行标准化，映射到固定区间，后按照快速聚类算法，采用欧氏距离将数据聚集为多类，并计算每类对评价贫困程度的重要程度。对分类后每组数据组成的矩阵按照相关性分块，最终根据分块后的矩阵计算贫困综合得分，所述综合得分可以在贫困生资助时的资助金额决策时用以参考，其中分数越高说明越贫困，越需要资助。本发明还提出了若干方案用以快速发现异常的贫困生，和从数据中筛选贫困生致贫原因。
技术研发人员：陈岩;俞跃舒
受保护的技术使用者：北京桃花岛信息技术有限公司
技术研发日：2018.08.24
技术公布日：2019.01.04