大学生的教育问题一直以来是我国高校的头等大事,在实行素质化教育的今天,如何对学生进行精准教育成为了首要课题。在师资资源、人力资源、管理资源等有限的条件下,如何运用互联网技术解决教育分层化问题就显得尤为重要。近年来,大学生的课外活动日益丰富,校园生活更加多种多样,随着移动互联网和电子商务的兴起,学生可以足不出户处理教学事务和日常生活需要,同样也使得学生的管理变得困难与复杂。本文选取我校部分本科生的行为数据,包括参加课外活动的时长、图书馆相关的数据、食堂数据以及成绩等全方位的数据,来对学生进行一个层次的划分,通过机器学习的方式训练出一个基于学生的管理分类模式。实现对学生的划分,来方便辅导员、老师等人员对学生进行管理。本文首先采用聚类分析的思想,通过分析学生的成绩数据以及行为数据来对学生进行隐藏的评级,对于聚类结果进行标定与审核,调整算法以及参数来得到合适的聚类结果。对比行为数据引入的结果可以明显发现行为数据的有效性与可行性,这种结果可以经由辅导员或任课老师的评价方可通过。再转入到下一阶段的分类模型中,训练出一个合适的模型来对新的学生数据进行预测,异常值检测是学情检测的重要部分,通过改进的算法对异常学生进行有效的标定,筛选出可疑学生上报处理,进而实现对学生的分层化精准教育。