近年来,艺术教育事业蓬勃发展,艺术考级也步入了快车道,但考级流程、形式一直停留在传统层面。随着互联网的深度渗透和社会艺术考级的不断发展,“互联网+艺术考级”逐步走向人们的视野,受到行业的关注和推广。但是,国内网络化艺术考级的研究缺乏现有的规范和理论,网络化艺术考级数据的研究仍然是个值得深入探讨的问题,以便为我国网络化艺术考级行业的发展提供宝贵经验,并为政府职能部门制定相关政策提供依据。本文主要利用模型算法对网络化艺术考级的数据进行分析,具体工作如下:(1)介绍了机器学习分类算法中支持向量机模型和逻辑回归模型的理论,并结合实例,运用这两种算法对考生进行了优秀与非优秀的分类。(2)介绍了回归算法中支持向量回归和CART回归的理论。利用支持向量回归的不同核函数对考级数据进行建模分析,得出高斯核函数对考试成绩有更好的预测效果。同时,选取考级数据的部分特征,利用多元线性回归和树回归进行建模分析,得出树回归具有更好的预测效果。(3)结合实例,运用矩阵分解算法对考级数据中缺失值进行估算,为优秀考级点的评定中缺失数据时提供一个可靠的方法。为了防止过拟合现象引入L2正则化项,进而得到更好的泛化能力。(4)运用R语言中的网络爬虫抓取了艺术考级网络化的区域,并运用SPSS软件建立了时间序列模型对考级数据进行了可视化分析。同时,给出了 2017年浙江省网络艺术考级专业、报考级别和年龄的分布情况,从而为政府和行业发展提供参考。(5)对全文的工作做了一下总结,并提出了未来的研究方向。