当前,随着数据分析技术、机器学习等信息技术的快速发展和应用,信息技术为人们解决一个又一个模糊、复杂的问题。为了对这些难以判定的问题做出清晰的评价、研究产生问题的因素对于决策目标的影响程度。因此,绩效评价方法开始受到研究者们的广泛关注。同时,通过对绩效评价结果的优劣来衡量在完成决策目标的执行过程中存在的不足,并根据评价结果对过程环节进行分析,以期拟补不足,达到提高绩效评价结果的目的,从而推动预定绩效目标的实现。近年来,参加研究生考试的考生人数逐年升高,越来越多本科毕业生选择进行专业深造。但是,由于我国开展高等教育起步较晚,导致研究生教育资源无法合理分配、高校研究生教育质量参差不齐。因此,如何从研究生教育数据中找到影响研究生教育质量的信息,并利用已知资源提高绩效评价结果,从而完成研究生绩效评价。对此,本文主要研究内容如下:1.绩效数据评价指标的筛选和指标体系建构。在参考权威研究生绩效评价指标的基础上,建立适合研究生教育的评价指标体系,内容涵盖学校人力的投入、研究设备的投入和项目资金的投入这三个方面,建立起5个一级指标,10个二级指标,26个三级指标的评价体系,再针对绩效考核原理将26个三级指标分成输入指标和输出指标进行分析。2.基于信息熵与数据降维的特征选择方法。通过主成分分析法对样本数据进行降维保留可代表原始数据百分之九十九的主成份信息,利用计算数据方差的方法保留原始数据中含有信息量较大的特征属性,但是由于原始数据中方差贡献率低的特征指标可能含有对原始数据较为重要的成分,避免对后续数据处理造成影响,因此使用信息熵方法对PCA数据降维后的特征进填充,利用信息熵原理,计算出评价指标的客观权重,在对权重进行大小排序以后,舍弃权重在0.05以下的评价指标,对其余权重较大的指标与特征降维后的主成份进行重组,重组后的指标作为绩效分析的评价指标。3.基于优化多层次分析法的影响因素绩效评价模型。针对层次分析法在绩效评价中权重设立主观性强、计算量大的缺陷,对层次分析法进行优化,首先使用五标度法代替九标度法进行专家打分,在减少计算量的同时保持该算法的精确度,再结合信息熵能保持评价指标客观性的优点,对评价指标进行综合权重的设立,最后使用灰色关联度分析算法,对影响因素进行关联度排序,得出影响输出指标较大的输入指标,完成研究生教育绩效评价。最终,通过某高校研究生教育数据完成算法的可行性和有效性验证。