数学教育是基础教育的重要组成部分,提升学生数学水平是数学教育持续发展的重要动力。数学成绩一定程度反映了学生的数学学业水平,不能因为数学成绩评价学生数学学业水平的局限性而忽视其合理性。随着国家对西部地区教育发展的大力支持,西藏中学基础教育取得了巨大的发展,但总体上距离东部地区还有一定差距。从高考数学成绩来看,西藏学生整体的平均数学成绩与东部地区整体的数学成绩有一定差距。本文根据教育数据挖掘技术中的机器学习预测相关理论技术,以拉萨四所高中调查数据为切入点,通过基于机器学习的数学成绩预测,研究哪些重要因素影响拉萨学生数学学业成绩,据此根据教育学心理学相关研究解释,并提出提升学生数学学业成绩的建议。本研究主要分为理论学习、具体实现、结论建议三个部分:(一)研究学习教育数据挖掘(EDM),对机器学习预测系统相关流程和评价指标进行阐述,剖析机器学习预测系统所涉及到的典型分类算法原理。(二)为了给拉萨数据进行分析结果预测提供参照,先对CEPS数据进行分析预测。首先对CEPS数据进行数据预处理,包括数据获取、格式转换、数据清洗、数据划分。其中数据清洗包括数据缺失处理、冗余删除、异常值处理、特征转换。其次将数据划分训练集、测试集、分别在K近邻、逻辑回归、线性支持向量机、支持向量机、决策树、XBG分类器、Ada分类器、GradientBoosting分类器、随机森林、高斯贝叶斯、伯努利贝叶斯、多项式贝叶斯十二种机器学习分类算法上进行建模,评价各模型预测效果。最后对预测效果较好模型进行参数调整,确定最佳模型,并输出影响数学成绩的重要特征。基于中国教育追踪调查数据调查问卷和影响数学成绩因素相关研究设计调查问卷,对拉萨四所高中高一学生数学学习相关现状进行调查,并将数据收集整理。首先对采集数据进行预处理,为更好的进行特征提取,先采用采用特征可视化技术分析数据分布特点并对拉萨高一各科成绩做相关性分析,作为预测分析结果的补充。然后基于调查数据本身分布特点,采取逐步回归分析对学生数学成绩进行分类预测,并输出影响数学成绩重要特征。最后建立十二种分类预测模型,并调整模型参数,确定最佳数学成绩预测分类模型,并输出影响数学成绩重要特征。(三)根据预测模型的分析结果,可以得出两个结论。第一,不同水平学生学习数学的感觉自我认知明显不同,说明学生的学习感觉认知与数学成绩最相关。这与CEPS数据分析结果一致。第二,母语对学生数学层次划分有重要影响。这与拉萨高中数学调查数据中32个变量相关分析、特征可视化柱状图、学生各科成绩相关分析、逐步回归主成分分析等方法结论一致。为提升学业成绩,教师应该及时奖励学生,增加学生的成就感,增强学生学习自信,提升学生自我效能感。同时,教师教学时应该重视学生母语文化背景,教学设计应该考虑语言差异对学生认知的影响。