本文主要利用数据挖掘的算法对高校学生的学习成绩进行了挖掘分析。主要包括对高校学生成绩的特征描述与综合评价和对高校学生成绩影响因素的挖掘分析两个方面。首先,对高校学生成绩的总体分布特征进行了研究并综合评价了高校学生的成绩。学生成绩的特征描述是通过描述统计的方法对学生成绩的总体分布特征进行了初步的了解。学生成绩的综合评价是利用主成分提取公因子的因子分析的方法,对高校学生的成绩进行了综合评价,并找出了“综合能力因子”、“分析能力因子”是影响高校学生学习的主要因子。其次,对高校学生成绩的影响因素进行了挖掘分析。本文主要从各学期成绩的影响、各课程成绩的影响以及学生平时的学习行为习惯这三个维度进行了实例论证。首先采用相关系数法,探索各学期成绩的关系,并得出学生第二学期和第四学期的课程学习造成了高校学生学习成绩的分化。接着,以大学第一学年各门课程的成绩为自变量,建立多元回归模型,得出计算机基础课算法语言与程序设计、计算机应用基础高等代数与解析几何这门、数学分析这几门是影响学生学习成绩的关键科目。然而,造成学生成绩差异的不仅有学科、成绩方面的因素,更多的是学生内部的因素。学生的学习行为习惯对学生的对学生的学习成绩,起着决定性的作用,针对这一情况本文设计了《高校学生学习行为调查表》。根据调查所得数据,建立C5.0决策树模型,找到发现“学生课堂学习效果”、“学生平时的作业完成情况”是影响高校学生学习的关键因素,并对建立的决策树模型进行了模型评价。