近年来各高等院校的竞争愈发激烈,考研率成为了衡量各高等院校教学质量的重要指标之一,而如何更好地指导学生参加考研也是高等院校教学管理中值得重视的问题。因为缺乏科学的指导,辅导员只能通过自己的主观意识来判断学生是否愿意参加考研、以及学生是否有能力参加考研。通过数据挖掘在教学管理中的应用,科学地提高高等院校的考研报考率和考研录取率已经成为教学管理中值得探索的问题之一。随着数据挖掘技术的不断发展,数据挖掘技术在各高等院校的教学管理中也应用的越来越广泛。本文通过介绍数据挖掘的基本理论知识、数据挖掘的几种常用算法以及其在Weka平台上的软件应用,将数据挖掘技术应用到预测高校考研成绩中。针对高等院校考研工作一直缺乏科学指导的情况,利用数据挖掘的技术在预测考研方面的应用,为高等院校的考研指导工作提供理论依据,解决了一些实际问题。在学院教务系统管理人员的帮助下,通过Weka软件对某校08级和09级计算机科学与电子技术系所有学生的在校成绩进行分析,预测各班考研的录取情况。本文重点介绍了贝叶斯分类算法、LIBSVM支持向量机分类算法以及线性回归和决策树相结合的分类算法这三种数据挖掘算法在Weka中的应用。通过对比三种算法找出本数据模型的较优模型,来分析计算机科学与电子技术系各个班级学生在校四年成绩对考研录取率的影响,根据数据挖掘的结果,更好的为辅导员指导班级考研工作提供数据支持,使得班级考研有效报考率和录取率增大的可能性更多。