Сравнительный анализ регрессионных моделей машинного обучения для прогнозирования результатов ЕГЭ по математике выпускников города Москвы

Рассматривается применение и сравнение качества работы пяти методов регрессионного анализа для прогнозирования результатов Единого государственного экзамена (ЕГЭ) по математике (профильный уровень) у выпускников Москвы 2023/24 учебного года. В исследовании были обучены пять различных моделей: Ridgeи Lasso-регрессия, случайный лес, градиентный бустинг на решающих деревьях и полносвязная нейронная сеть. В качестве признаков были использованы результаты Основного государственного экзамена (ОГЭ) по всем предметам, успехи во Всероссийской и Московской олимпиадах школьников, а также школьные оценки. Лучшие результаты были получены с помощью нейронной сети (MAE = 7,98; MAPE = 12,41% на валидации; MAE = 8,17; MAPE = 12,63% на тесте). Также в работе выявлены наиболее важные признаки для построенной модели: балл ОГЭ по математике ученика и всего класса, а также общие результаты ОГЭ ученика и средний балл по математическим предметам в выпускном классе. Полученные результаты позволяют заранее оценить, какой балл может получить ученик на ЕГЭ, и организовать дополнительные мероприятия, направленные на повышение итоговой оценки.