基于机器学习的物理教学效果预测方法

本发明公开了基于机器学习的物理教学效果预测方法，属于智慧教学技术领域，方法包括数据准备、数据预处理、物理成绩预测、物理教学效果预测和教学建议生成。本发明采用并行门控循环嵌入式注意力模型进行物理成绩预测，通过时间步长自注意力块提升模型对重要信息的敏感度，通过并行特征提取层来增强模型对高维复杂特征的综合理解能力，进而提高模型预测性能，增强方法的整体可靠性；采用基于粘菌算法优化的极限梯度提升模型进行物理教学效果预测，通过粘菌算法更好地调整极限梯度提升模型的超参数，增强模型鲁棒性，且使模型在处理新数据时具有更优的泛化能力，有助于提升物理教学效果预测的有效性和实用性，为后续教学提供及时反馈。