对于当下的学生来说,数据挖掘是一个经久不衰的技术领域,而对于从事数据挖掘的工作者来说更是深刻的体会到了数据挖掘技术强有力的发展前景。本文主要分为两个部分,第一部分主要分析影响学生成绩的因素有哪些,找出对学生成绩影响最为显著的因素。鉴于研究中所用到的数据集维度众多,因此采用一种建立多维数据集的方法完成数据库的建立,其中多维数据信息库里的内容包括学生姓名、学号、身份证号、准考证号、各科目的考试成绩、生源地、初中毕业成绩、教师任课情况等。在完成多维数据信息库的建立之后,部分数据应用K-means均值聚类方法完成对异常值的处理,其中也应用到了主成分分析法（PCA）完成对部分数据的降维。最后本文从生源地、入学成绩、教师教学三个方面分析了对学生成绩的影响。在本文的第二部分中主要对一门成绩的预测建立模型,在得到数据集后首先完成数据的预处理操作,由于本文所选用的方法为两种决策树算法即ID3和C4.5算法,所以首先必须对所用到的数据进行离散化处理,在此对学生成绩、实验成绩和学生做题数量做等宽分箱处理。数据处理完成后对两种算法进行评估,确立使用C4.5算法作为建模算法。为确定影响成绩的特征因素,文中比较了家庭关系、学生做编程题数量、课下学习时间、年龄和父母受教育程度对学生成绩的影响,找出其特征因素为:编程题数量、编程题成绩以及各章测试成绩。由于各个特征因素对成绩影响的程度不同,所以在用C4.5算法完成建模的同时引入了权重的概念,即在C4.5算法的基础上加上了权重来计算信息增益率,以此来完成对C4.5算法的改进,最后通过模型评估证明改进后的算法明显优于改进前的算法。本文主要探究了对学生成绩影响最为显著的因素,并以这些特征因素为条件选用合适的算法建立预测模型,从而完成对学生成绩的预测和分析。本文主要探究学生成绩和各因素间的内在联系,文中对学生成绩的研究分析在教师教育教学和学生成绩提高上具有重要意义。