随着“大数据”时代的到来,教育大数据、智慧教育、教育数据挖掘等一系列结合教育学、统计学、计算机科学的概念相继被提出,政府、企业、学校、研究者、管理者、教师、社会公众等都开始关注教育大数据,相关政策文件、研究机构、学术活动、市场产品等开始纷纷出现。就高校而言,一方面,各高校高度重视信息化在学校教育事业中的重要作用,同时积极整合学校各数据管理系统,充分利用现有数据服务师生,但鉴于教育数据的复杂、多量,如何从中发现有价值的信息并合理应用变得困难。另一方面,高等教育从精英教育到大众化教育的发展使得高校学生数大幅增加、学生质量逐步下降,无法顺利毕业的学生数量逐年递增;同时辅导员、班主任对学生的思想、生活、学习照顾不到,不能及时准确的了解学生的最新思想动向和学业困难。利用数据挖掘技术发现并解决学生学业问题,避免学生留级、退学,是目前高校中值得研究的问题。本文首先利用校园一卡通数据分析学生的日常行为,通过对消费刷卡、图书馆门禁刷卡数据的分析与提炼,提取出早起指数、图书馆学习时长等指标,通过对学生行为指标的描述性统计和可视化分析整体掌握学生行为特征;然后结合学生基本信息、课程相关信息,分析各指标对学生学业成绩的影响以及对成绩变化的影响,建立指标库;接着根据预警对象不同,将学生分为无需预警、一级预警、二级预警三类,由基于历史成绩预警、基于学生行为预警一步步分析出最佳预警组合:历史预警等级结合基于行为数据预测的预警等级变化;利用五种机器学习分类算法对学生预警等级进行预测,然后利用遗传算法对五个分类模型进行组合优化,改进后模型正确率达到95.52%;文章最后,分析当前大学生学业预警机制存在的不足,结合所得预警模型提出一种利用学生行为数据的改进的预警机制,通过基于学生行为数据的学业预警模型提前确定被预警学生名单,使该部分学生在学业问题出现前及时进行调整,进而降低学业问题出现的概率,帮助学生顺利完成学业。