決策樹(shù)算法在智能導(dǎo)學(xué)系統(tǒng)中的應(yīng)用

1、決策樹(shù)算法在智能導(dǎo)學(xué)系統(tǒng)中的應(yīng)用邱濤，李雯(江西理工大學(xué)信息工程學(xué)院，江西救州341000)摘要:決法是一個(gè)經(jīng)典的敷據(jù)挖掘分類(lèi)舜法，如今已經(jīng)確廣泛應(yīng)用到各個(gè)較域并h取得了很好的效果此外対 決毅樹(shù)算法的改進(jìn)也在不斷的進(jìn)行中。將決策樹(shù)算祛應(yīng)用拄番施吊學(xué)系境中，其目的是為了便智能導(dǎo)學(xué)系統(tǒng)能更好對(duì)學(xué) 習(xí)者進(jìn)行分類(lèi)采用的方式是應(yīng)用決策神算祛對(duì)學(xué)習(xí)者綸入的資料對(duì)苴進(jìn)行分類(lèi)，井對(duì)不同類(lèi)教的學(xué)習(xí)者應(yīng)用不同的救 學(xué)計(jì)劃。結(jié)果表明應(yīng)用決策樹(shù)算祛分類(lèi)能明確的把握學(xué)習(xí)者的轉(zhuǎn)性提高系統(tǒng)的分類(lèi)效率。由此得出結(jié)論將決策樹(shù)算 法應(yīng)用在智能導(dǎo)學(xué)系統(tǒng)中是十分可行的。關(guān)鍵詞:決策樹(shù)算迭;智能導(dǎo)學(xué)聚統(tǒng);分類(lèi)中圖分類(lèi)號(hào):tp18文猷標(biāo)

2、識(shí)胃:a文編號(hào)：1673 -629x(2009)12 - 0189 - 04the application of decision tree algorithm inintelligence teaching systemqiutao丄i wen(school of infcmtnatkih engineering. institute of icchnology of jiarigxi (janzhexj 341000. china)abstract decision tree alonthm ts a cli品cal data mming classificaticn akorirhm.i

3、t i widely used in every field and h*s many effect nowacluy further more, the amelioration to ckc»ion tk« algorithm is keeping on. the putpo«! to apply dedjeiun tree slgurithni in intelligence leaching jiyaicm ix to kts he system do lx?uer cliwaafieation. use dcci°y tree algorith

4、m to clmwafy the learner by heir input infor- nwdion.find apply different teaming program to【hen】. the re&uli jxws the applicatkin of decision tree algorithm iris system get the icam- crl trait clearly and improve the classification efficiency. there is condition that apply decisicxi cree algori

5、thm to intelligence tcmrhink system is feasible.key words：decision irw nlgcjritlun;inteuigtawr tcrchrng symanicbuofifiction0弓i 宮解決上述問(wèn)題體現(xiàn)出系統(tǒng)的智能性c智能導(dǎo)學(xué)系統(tǒng)是在internet的遠(yuǎn)程教育系統(tǒng)的基 礎(chǔ)上，加入人工智能技術(shù)，使系統(tǒng)具有智能性，能更好 地適應(yīng)學(xué)習(xí)者的要求?；趇nternet的遠(yuǎn)程教育具有 開(kāi)放性、靈活性、學(xué)習(xí)終身性和資源共享性等優(yōu)點(diǎn)。充 分利用這些優(yōu)點(diǎn)不僅町以滿足學(xué)習(xí)者個(gè)性化學(xué)習(xí)需 要，而且可以在很大程度上提髙學(xué)習(xí)效率。但據(jù)初步 調(diào)査表明大

6、多數(shù)學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)時(shí),會(huì)遇到不同程 度上的困難，主要原因是目前的網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)中存在 網(wǎng)絡(luò)課程機(jī)械化、學(xué)習(xí)資源混雜化、缺少反饋、缺少有 效的導(dǎo)學(xué)機(jī)制等問(wèn)題。利用軟件工程、數(shù)據(jù)挖掘和 人工智能等技術(shù)，分析設(shè)計(jì)智能導(dǎo)學(xué)系統(tǒng)，可以很好地收権8期：200903-23；修叵日期：2009 - 06 -27基金項(xiàng)目：江曲省科學(xué)技術(shù)研究啖h (gjj08285)作者簡(jiǎn)介:邱諄(1986-).男江西贛州人，碩士研丸生研究方向 為數(shù)ik挖掘，人工智能；乍雯，教授碩士生導(dǎo)辯，研究方向?yàn)榛?網(wǎng)恪的故據(jù)斥應(yīng)用技術(shù)。1數(shù)據(jù)挖掘中的分類(lèi)技術(shù)1a分類(lèi)技術(shù)數(shù)據(jù)挖擱的主要任務(wù)有分類(lèi)分析、聚類(lèi)分析、關(guān)聯(lián) 分析、序列模式分析等，

7、其中的分類(lèi)分析由于其待殊地 位，一直是數(shù)據(jù)挖掘研究的熱點(diǎn)之一至今巳經(jīng)提岀很 多算法。數(shù)據(jù)挖掘分類(lèi)就是分析輸人數(shù)據(jù)通過(guò)在訓(xùn) 練集中的數(shù)據(jù)表現(xiàn)出來(lái)的特性，為每一個(gè)類(lèi)找到-種 準(zhǔn)確的描述或者模型。分類(lèi)就足把一些新的數(shù)據(jù)項(xiàng)映射到給定類(lèi)別的中 的某一個(gè)類(lèi)別例如一篇文章在發(fā)表時(shí),可以自動(dòng)地把 這篇文章劃分到某一個(gè)文章類(lèi)別，一般的過(guò)程星根據(jù) 樣本數(shù)據(jù)利用一定的分類(lèi)算法得到分類(lèi)規(guī)則，新的數(shù) 據(jù)過(guò)來(lái)就依拯該規(guī)則進(jìn)行類(lèi)別的劃分。分類(lèi)在數(shù)據(jù)挖 掘中是一項(xiàng)非席重耍的任務(wù)，有很多用途，比如預(yù)測(cè). 即從歷史的樣本數(shù)據(jù)推算出未來(lái)數(shù)據(jù)的趨向。還有分 析用戶行為通過(guò)這種分類(lèi)，町以得知某一商品的用戶 群,對(duì)銷(xiāo)售來(lái)說(shuō)冇很大的幫助。

8、分類(lèi)器的構(gòu)造方法有 機(jī)器學(xué)習(xí)方祛、神經(jīng)網(wǎng)絡(luò)方祛等。常見(jiàn)的統(tǒng)計(jì)方法有 knn算法，基于事例的學(xué)習(xí)方法。機(jī)器學(xué)習(xí)方法包括 決策樹(shù)法和歸納法。1-2分類(lèi)技術(shù)在智能導(dǎo)學(xué)系統(tǒng)中的應(yīng)用分類(lèi)技術(shù)在智能導(dǎo)學(xué)系統(tǒng)中也起到關(guān)鍵的作用, 例如，需要根據(jù)用戶進(jìn)入系統(tǒng)時(shí)注冊(cè)的信總對(duì)學(xué)生進(jìn) 行分類(lèi)，根據(jù)各個(gè)類(lèi)別學(xué)生的特點(diǎn)，對(duì)學(xué)生實(shí)行不同的 教學(xué)方案并根據(jù)他們一段時(shí)間學(xué)習(xí)效果的反饋不斷 更新學(xué)習(xí)的計(jì)劃，充分體現(xiàn)了系統(tǒng)的智能性。學(xué)習(xí)者 在進(jìn)入智能導(dǎo)學(xué)系統(tǒng)時(shí)候，根據(jù)系統(tǒng)提示逬行注冊(cè)由 于不同的學(xué)習(xí)者具有不同的特性，不能將每個(gè)人都應(yīng) 用同一套教學(xué)計(jì)劃，而預(yù)先擬定不同的教學(xué)計(jì)劃。針 對(duì)不同類(lèi)型的學(xué)習(xí)者，因材施教提髙他們的學(xué)習(xí)效率,

9、 而根據(jù)學(xué)習(xí)者資料對(duì)其行進(jìn)的分類(lèi)也更能體現(xiàn)出系統(tǒng) 的智能性。2智能導(dǎo)學(xué)系統(tǒng)2.1智能導(dǎo)學(xué)系統(tǒng)簡(jiǎn)介智能導(dǎo)學(xué)系統(tǒng)是利用各種成熟的數(shù)據(jù)挖掘技術(shù)對(duì) 遠(yuǎn)程教育系統(tǒng)(e- learning)進(jìn)行優(yōu)化,使系統(tǒng)更具冇 智能性也更能符合學(xué)生的要求。隨看internet的普 及和在教育膛域中的應(yīng)用,遠(yuǎn)程教ff(e- beaming)得 到了高速發(fā)展°菇于internet的網(wǎng)絡(luò)教學(xué)，實(shí)現(xiàn)了全 球信息資源的共享，有效地突破了時(shí)空局限擴(kuò)大了教 學(xué)規(guī)饌，使更多的人有了學(xué)習(xí)的機(jī)會(huì)。然而目離的遠(yuǎn) 程教育存在資源利用率低學(xué)生與學(xué)生之間，學(xué)生與教 師之間，以及教師與課程安排人員之間相互獨(dú)立，沒(méi)有 有效的信息反饋沒(méi)有考虎

10、到學(xué)生的差異性，只定一些 靜態(tài)的網(wǎng)絡(luò)教育資源的羅列。這造成e-3niing沒(méi) 冇發(fā)揮岀它自己應(yīng)有的特色，而與傳統(tǒng)教學(xué)一樣，所有 的學(xué)生郝進(jìn)行同樣模式的教學(xué),教學(xué)資源也沒(méi)冇得到 有效共享°現(xiàn)代遠(yuǎn)程教育的全過(guò)稈基本上都是通過(guò)瀏 覽網(wǎng)站的形式進(jìn)行的學(xué)生往w出上的行為會(huì)產(chǎn)住大 量的信息這些信息在遠(yuǎn)程教育的全過(guò)程中十分寶貴。 如何充分挖掘這些信息及苴背后潛在的信息并反饋來(lái) 指導(dǎo)遠(yuǎn)程教育中的各個(gè)環(huán)節(jié)，以此來(lái)擴(kuò)大影響、吸引招 生和為學(xué)生提供個(gè)性化的服務(wù)內(nèi)容，從而增強(qiáng)遠(yuǎn)程教 育的競(jìng)爭(zhēng)力，已逐漸成為革新e- learning技術(shù)中的 -個(gè)研究熱點(diǎn)。2.2智能導(dǎo)學(xué)系統(tǒng)的構(gòu)建冃前國(guó)內(nèi)外的研究若利用傳統(tǒng)的數(shù)

11、據(jù)挖掘算法. 其中包括聚類(lèi)、分類(lèi)、關(guān)聯(lián)規(guī)則、模式挖掘和文本挖掘 來(lái)打造個(gè)性化遠(yuǎn)程教育系統(tǒng)。利用聚類(lèi)方法將學(xué)生分 組然后基于同組中成功的和似學(xué)習(xí)者來(lái)給學(xué)生推薦 好的學(xué)習(xí)方法和學(xué)習(xí)資源。利用數(shù)據(jù)挖掘工具為教育 者獲得更多的教學(xué)反饋，評(píng)估課程內(nèi)容的結(jié)構(gòu)和學(xué)習(xí) 過(guò)程的有效性，從而能自適應(yīng)調(diào)整教學(xué)計(jì)劃和組織教 學(xué)內(nèi)容提高學(xué)習(xí)者的學(xué)習(xí)效率。面向負(fù)賁人和管理 者,挖掘出知識(shí)來(lái)抬導(dǎo)網(wǎng)站建設(shè)從而提髙網(wǎng)站效率以 適應(yīng)學(xué)生的學(xué)習(xí)行為(優(yōu)化服務(wù)大小網(wǎng)絡(luò)傳輸分配 等)。為解決當(dāng)前的遠(yuǎn)程教育系統(tǒng)存在形式單一和披 動(dòng)教學(xué)等問(wèn)題提出了一個(gè)基于學(xué)習(xí)者個(gè)性因素的智 能導(dǎo)學(xué)模型,從而滿足學(xué)習(xí)者主動(dòng)學(xué)習(xí)的要求。構(gòu)建 了一個(gè)個(gè)性化協(xié)作

12、學(xué)習(xí)系統(tǒng)，并提出了一種新穎的打 分或者交換的用戶動(dòng)態(tài)聚類(lèi)算法，從學(xué)生的資源請(qǐng)求 中發(fā)現(xiàn)學(xué)生興趣并有效地將具有相同興趣的學(xué)生自 動(dòng)組成學(xué)習(xí)社區(qū)。23智能導(dǎo)學(xué)系統(tǒng)的關(guān)鍵問(wèn)題隨著智能導(dǎo)學(xué)系統(tǒng)的不斷發(fā)展人工押能、數(shù)據(jù)挖 據(jù)等各種技術(shù)、理論越來(lái)越多的被應(yīng)用住遠(yuǎn)稈教育系 統(tǒng)中，以體現(xiàn)系統(tǒng)的智能性。目削在件能導(dǎo)學(xué)系統(tǒng)中 還有許多需解決的關(guān)鍵問(wèn)題:(1) 規(guī)則的產(chǎn)生和教學(xué)策略的制定。如何從大量 的信息中提取有效的規(guī)則，然后根據(jù)規(guī)則制定與之相 應(yīng)的、行之有效的教學(xué)策略，這需要豐富的教學(xué)經(jīng)驗(yàn)和 反復(fù)、大fit的實(shí)驗(yàn)。并良能夠在教學(xué)的過(guò)程屮根據(jù)學(xué) 習(xí)者的實(shí)際情況,動(dòng)態(tài)地調(diào)整教學(xué)計(jì)劃。(2) 智能導(dǎo)學(xué)系統(tǒng)和學(xué)習(xí)工具、

13、練習(xí)工具、作業(yè)工 具、測(cè)試丄具、答疑工具、交流工貝等系統(tǒng)接口參數(shù)的 確定。工具系統(tǒng)通過(guò)押能導(dǎo)學(xué)系統(tǒng)傳遞的參數(shù)合理 調(diào)用規(guī)則庫(kù)里的規(guī)則。(3) 條件可信度、加權(quán)因子和規(guī)則可信度的礎(chǔ)定。 由于主觀因素領(lǐng)域?qū)＜掖_定的初始值肉人而異，與實(shí) 際情況存在誤建。需要根據(jù)教學(xué)的實(shí)際效果，闊整各 初始值使之更適應(yīng)學(xué)生的實(shí)際悄況。(4) 規(guī)則績(jī)效的測(cè)評(píng)。建立怎樣的一個(gè)測(cè)評(píng)系統(tǒng). 能有效地評(píng)仿學(xué)習(xí)若在根據(jù)規(guī)則形成的個(gè)性化學(xué)習(xí)環(huán) 境中取得的學(xué)習(xí)效果，給規(guī)則一個(gè)合理的評(píng)價(jià),這是反 饋系統(tǒng)的核心部分°(5) 智能導(dǎo)學(xué)系統(tǒng)個(gè)性化分析養(yǎng)數(shù)的調(diào)整和規(guī)則 的自適應(yīng)修改。根據(jù)規(guī)則績(jī)效測(cè)評(píng)的結(jié)果，適當(dāng)?shù)匦?改個(gè)性化分析蜜數(shù)

14、和規(guī)則可信度，便個(gè)性化分析出的 規(guī)則更符合學(xué)習(xí)者的學(xué)習(xí)規(guī)律。3決策樹(shù)算法在學(xué)生分類(lèi)中的應(yīng)用31決策樹(shù)算法簡(jiǎn)介決策樹(shù)是一個(gè)類(lèi)似于流程圖的樹(shù)結(jié)構(gòu)是一棵有 向、無(wú)環(huán)樹(shù)。樹(shù)中做每一個(gè)結(jié)點(diǎn)代表數(shù)據(jù)集中的一個(gè) 屬性，從根結(jié)點(diǎn)起，除葉結(jié)點(diǎn)以外毎個(gè)結(jié)點(diǎn)都是對(duì)所代 表倉(cāng)性的一次判斷。根據(jù)判斷的結(jié)果進(jìn)入該結(jié)點(diǎn)的不 同分枝，葉結(jié)點(diǎn)代表的足分類(lèi)的結(jié)果。它是一種逼近 離散值函數(shù)的方法在這種方法中析取到的函數(shù)被農(nóng) 示為一棵決策樹(shù)。得到的決策樹(shù)最頂層節(jié)點(diǎn)作為根 廿點(diǎn)將其毎一個(gè)子節(jié)點(diǎn)作為測(cè)試屬性，每個(gè)分枝代衷 一個(gè)測(cè)試輸出而毎個(gè)葉子結(jié)點(diǎn)代表類(lèi)或類(lèi)的分布。 根據(jù)測(cè)試結(jié)果，選擇某個(gè)分枝，為了分類(lèi)一個(gè)特定數(shù)據(jù) 項(xiàng)目從根結(jié)點(diǎn)開(kāi)始,一

15、査向下判定，直到達(dá)到一個(gè)葉 子結(jié)點(diǎn)為止。這樣一個(gè)決策樹(shù)就形成了。決策樹(shù)是一個(gè)預(yù)測(cè)摸型決策樹(shù)算法的基礎(chǔ)是自 頂向下分裂的貪心算法。相對(duì)與其他的多類(lèi)分類(lèi)方 法,二叉決策樹(shù)算法的生成過(guò)程中產(chǎn)生的節(jié)點(diǎn)數(shù)大大 滅少。但在實(shí)際的智能導(dǎo)學(xué)系統(tǒng)應(yīng)用中，面臨的是 多分類(lèi)的問(wèn)題，所以將決策樹(shù)分類(lèi)方向擴(kuò)展為多分類(lèi)。以決策樹(shù)算法id3為例，其基本思想是采用信息 論中的互信息(或稱(chēng)信息增益)作為決策屬性分類(lèi)判別 能的度量,進(jìn)行決策節(jié)點(diǎn)屬性的選擇。在id3算法中， 決策節(jié)點(diǎn)屬性的選擇應(yīng)用了信息論中爛槪念來(lái)完成. 通過(guò)信息增益最大(或最大炳壓縮)的屬性建立決策 樹(shù),這樣選擇的節(jié)點(diǎn)屬性保證了決策樹(shù)具有最小的分 枝數(shù)fit和最

16、小的冗余度。"(u) =- »仏)logp(%)。其中 i s i 表示例 子集s的總數(shù)，i u.表示類(lèi)別叫的例子數(shù)類(lèi)別出 現(xiàn)的概率為屮(“)=黑扌。3.2決策樹(shù)算法的優(yōu)點(diǎn)總體而言運(yùn)算速度快，精度侖。(1) 決策樹(shù)方法不需要假設(shè)先驗(yàn)概率分布,這種非 參數(shù)化的待點(diǎn)使其具有更好的靈活性和魯棒性。(2) 決策樹(shù)方法不僅可以利用連續(xù)實(shí)數(shù)或離散的 數(shù)值樣本，而且可以利用”語(yǔ)義數(shù)據(jù)”比如離散的語(yǔ)義 數(shù)據(jù):東，南，西北等。(3) 決策樹(shù)方法產(chǎn)生的決策樹(shù)或產(chǎn)生式規(guī)則集具 有結(jié)構(gòu)簡(jiǎn)單克觀，容易理斛以及計(jì)算效率高的待點(diǎn)。(4) 決策樹(shù)方法能夠有效地抑制訓(xùn)練樣本噪音和 解決厲性缺失問(wèn)題因此可以斛

17、決由于訓(xùn)練樣本存在 噪聲而使得分類(lèi)精度降低的問(wèn)題。3.3決策樹(shù)算法的形式過(guò)程決策樹(shù)，一個(gè)射性的結(jié)構(gòu)內(nèi)部節(jié)點(diǎn)上選用一個(gè)屈 性進(jìn)行分割每個(gè)分叉都是分割的一個(gè)部分。葉子節(jié) 點(diǎn)表示一個(gè)分布決策樹(shù)生成算法分成兩個(gè)步驟：1 樹(shù) 的生成開(kāi)始數(shù)據(jù)都在根節(jié)點(diǎn)遞歸進(jìn)行數(shù)據(jù)分片;2樹(shù) 的修剪，去掉一些可能是噪音或者井常的數(shù)據(jù)。決策 樹(shù)使用:對(duì)未知數(shù)據(jù)進(jìn)行分割，按照決策樹(shù)上采用的分 割屬性逐層往下直到一個(gè)葉子節(jié)點(diǎn)°(1) 基本算法c自上而下分而治之的方法開(kāi)始時(shí)所有的數(shù)據(jù)都 住根節(jié)點(diǎn)屬性郝是種類(lèi)7段(如果是連續(xù)的將英離 散化)所有記錄用所選風(fēng)性遞歸的進(jìn)行分割局性的選 擇是基于一個(gè)啟發(fā)式規(guī)則或者一個(gè)統(tǒng)計(jì)的度暈。

18、(2) 停止分割的條件。一個(gè)節(jié)點(diǎn)上的數(shù)據(jù)都是屬于同一個(gè)類(lèi)別沒(méi)有屬性 可以再用于對(duì)數(shù)據(jù)進(jìn)行分割°(3) 偽代碼：pincediire ikiildtrcc(s)用散據(jù)集s初繪化帳節(jié)點(diǎn)r用根結(jié)點(diǎn)r初始化隊(duì)列qwhile q is not empty cb i啟出隊(duì)列q中的第一個(gè)節(jié)點(diǎn)nif n 不純(pure) ifor毎一個(gè)展性a估計(jì)該節(jié)點(diǎn)在a上的信息增益述出懸佳的屬性，將n分裂為ni、池3.4智能導(dǎo)學(xué)系統(tǒng)釵據(jù)的預(yù)處理為了體現(xiàn)遠(yuǎn)程教育系統(tǒng)具有智能性，必須先根據(jù) 學(xué)生在進(jìn)入系統(tǒng)時(shí)注冊(cè)的信息中抽取出學(xué)生的特性, 將學(xué)生進(jìn)行分類(lèi)為不同類(lèi)別的學(xué)生制定不同的學(xué)習(xí) 方案并根據(jù)學(xué)生在學(xué)習(xí)方案中的學(xué)習(xí)效

19、果的反饋動(dòng) 態(tài)地修改學(xué)生方案，便學(xué)習(xí)的過(guò)程盡址適合學(xué)生的待 性，提高學(xué)生的學(xué)習(xí)效率。而在學(xué)習(xí)過(guò)后系統(tǒng)還將根 據(jù)學(xué)習(xí)的結(jié)果動(dòng)態(tài)調(diào)整學(xué)習(xí)計(jì)劃。為了抽取學(xué)生的特性，必須根據(jù)學(xué)生的注冊(cè)信息 提取出冇用的項(xiàng)，作為學(xué)生的展性怎，而學(xué)生的待性可 以由多維向量k = 1爲(wèi)，馬"”來(lái)表示。而根據(jù)已 有學(xué)生的選課記錄和學(xué)習(xí)效果將學(xué)生越分為:經(jīng)濟(jì)管 理類(lèi)、信息技術(shù)類(lèi)、機(jī)械注筑類(lèi)、文學(xué)法律類(lèi)、體育藝術(shù) 類(lèi)、未定型類(lèi)(這里以系統(tǒng)認(rèn)為的學(xué)生適合的專(zhuān)業(yè)作為 類(lèi)別名稱(chēng)、未定型類(lèi)用于決策樹(shù)算法后沒(méi)冇明確分類(lèi) 的個(gè)體)。此分類(lèi)井不能完全概括所冇學(xué)生的分類(lèi)，如 果有新的教材逬入系統(tǒng)會(huì)產(chǎn)生新的類(lèi)別，這種情況可 以利用其他數(shù)

20、據(jù)挖掘算法解決系統(tǒng)中的矛盾c文中的 分類(lèi)方法只在已有的類(lèi)別上討論學(xué)生的適應(yīng)程度，根據(jù)學(xué)生注冊(cè)時(shí)的信息，將學(xué)生的分類(lèi)屬性定為： 年齡、性別、愛(ài)好、特殊天賦、所學(xué)專(zhuān)業(yè)、身體條件。« 中為了簡(jiǎn)便起見(jiàn)將愛(ài)好和特長(zhǎng)首先預(yù)定幾個(gè)值，所學(xué) 專(zhuān)業(yè)則根據(jù)具體專(zhuān)業(yè)情況劃分入以上幾個(gè)大類(lèi)不在 類(lèi)中的以其他作為預(yù)定值。提取出的屬性集合及其分 類(lèi)情況如表1所示(該導(dǎo)學(xué)系統(tǒng)主要針對(duì)對(duì)象為菖校11426744365656女469134英刖】,址濟(jì)理矣類(lèi)劃知文鼻法律茨 災(zāi)別伯*找術(shù)英 9»js<體育藝術(shù)典關(guān)効6$未定嬰類(lèi)信jb 術(shù)634455電9x大學(xué)生和研究生)。4.1分類(lèi)屬性性別愛(ài)好所學(xué)專(zhuān)業(yè)射條

21、件性職值1-30 歲30-100 歲 其他男 女體育遠(yuǎn)動(dòng) 書(shū)h閱讀其他、無(wú)運(yùn)動(dòng)紐力 邏戟怒馥 記憶能力 伽畀蹈 其他無(wú)機(jī)械建筑 丈學(xué)法律體育藝術(shù)堆椚8健 般體質(zhì)值労根據(jù)表1的分類(lèi)具體學(xué)生情況可以細(xì)分為4000 多種不同情況，從數(shù)據(jù)庫(kù)中讀出記錄如圖】所示。j143曲£a 1數(shù)據(jù)庫(kù)各學(xué)生的具體數(shù)據(jù)35決策樹(shù)算法在學(xué)生分類(lèi)中的應(yīng)用根據(jù)這些屬性集合k,并根據(jù)學(xué)習(xí)音所選的課程 所屬類(lèi)別,進(jìn)行決策樹(shù)分類(lèi)算法。取前4000條數(shù)據(jù)，圖 2為決策樹(shù)的生成過(guò)程。圖2生成的決策樹(shù)步驟1:將根節(jié)點(diǎn)按照各屬性分裂得到爛值，計(jì)算 機(jī)公式上述內(nèi)容中已給出。步驟2：取能得到最大的煩值的展性作為決策樹(shù) 的分裂屬性并計(jì)

22、算是否有類(lèi)型超過(guò)閾值(閾值預(yù)設(shè)為 80%),如果有.則可以確定其類(lèi)sl步驟3：依次對(duì)各未確定類(lèi)型的節(jié)點(diǎn)進(jìn)行屬性分 裂，直到所有屬性分裂完畢。步驟4：對(duì)于沒(méi)有某種類(lèi)型超過(guò)閾值的節(jié)點(diǎn)暫時(shí) 歸為未確定類(lèi)型節(jié)點(diǎn)。如上所述，決策襯算法可以將新注冊(cè)的學(xué)習(xí)者歸 入到6大類(lèi)當(dāng)中，對(duì)于前5類(lèi)，智能導(dǎo)學(xué)系統(tǒng)將安排相 關(guān)類(lèi)型的教材及學(xué)習(xí)方案并推薦給學(xué)生;對(duì)于未定型 類(lèi)導(dǎo)學(xué)系統(tǒng)將給學(xué)生人數(shù)域多的幾套方案任學(xué)習(xí)者 自己選取。峠 4結(jié)束語(yǔ)2能決策樹(shù)分類(lèi)算法運(yùn)算速度快、精度髙決策樹(shù)分類(lèi)算法在智能導(dǎo)學(xué)系統(tǒng)中的應(yīng)用是導(dǎo) “學(xué)系統(tǒng)體現(xiàn)具智能性的第一步也是關(guān)鍵的一步。決策樹(shù)分類(lèi)算法在智能導(dǎo)學(xué)系統(tǒng)中應(yīng)用的優(yōu)點(diǎn) 主要冇兩個(gè)方面：(1)能夠?qū)υ械臄?shù)據(jù)做出分析以 便產(chǎn)