近几年,随着我国综合国力不断增强,我国的教育也得到长足的发展。数学教育仍然是我国教育体系中非常重要的组成部分,是我国基础教育的主体,更是我国基本教育与多元化教育发展中不可缺少的一部分。本文针对教育领域,进行如下几个方面的探究:分析并研究教育数据挖掘(Educational Data mining,EDM),将学生数学成绩预测作为教育数据挖掘的子模块进行设计并实现。在研究之前,首先对模型和系统中用到的基础技术知识进行讲解,如数据挖掘的定义与理论知识、EDM研究特点与EDM国内外研究现状、机器学习定义、Logistic Regression、Xgboost算法、Random Forest算法、Rasch Model算法。本文将对数据预处理的过程进行较为详尽的叙述。在得到优质的数据后,对数据原属性进行分析,并结合专业领域的相关知识,设计生成高品质的特征,这些特征将对模型预测效果产生直接的影响。因此,数据预处理及特征构造的工作将占据本系统所有时间的90%。接下来分别使用Logistic Regression,Xgboost,Random Forest算法进行数据建模,并对其调参,然后把以上三个模型进行融合,生成高准确率的预测模型。得出使用学生历史答题数据可以预测学生答题结果的可行性,以及其预测准确率极高的可行性。从科学角度来看,对未知数据的预测低误差的能力证明,能够使学生及教师发现学生答题难易程度的基础因素。了解这些原因对于设计高质量课程和课程计划有极大帮助。