決策樹(shù)算法在高職院校成績(jī)分析中的應(yīng)用研究的論文

決策樹(shù)算法在高職院校成績(jī)分析中的應(yīng)用研究的論文摘要：高職院校的學(xué)生的成績(jī)是一項(xiàng)重要的數(shù)據(jù)，它不僅是對(duì)學(xué)生學(xué)習(xí)情況的評(píng)價(jià)，也是對(duì)教師教學(xué)質(zhì)量的檢查。本文研究了使用決策樹(shù)算法對(duì)學(xué)生的成績(jī)進(jìn)行挖掘分析，分析學(xué)生的畢業(yè)設(shè)計(jì)成績(jī)與基礎(chǔ)類課程、專業(yè)類課程以及專項(xiàng)實(shí)踐類課程之間隱藏的內(nèi)在聯(lián)系，指導(dǎo)教師在今后的教學(xué)中加強(qiáng)學(xué)生實(shí)踐操作能力的訓(xùn)練，進(jìn)而提高教學(xué)質(zhì)量。關(guān)鍵詞：決策樹(shù)；ID3算法；數(shù)據(jù)挖掘；學(xué)生成績(jī)分析引言高職院校在多年的教學(xué)和管理工作中，積累了大量的教學(xué)管理數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含了很多有價(jià)值的信息。如果利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)院教務(wù)管理系統(tǒng)中教師和學(xué)生的數(shù)據(jù)進(jìn)行挖掘，可以使教師更好的把握學(xué)生、把握教學(xué)過(guò)程，實(shí)現(xiàn)教學(xué)過(guò)程動(dòng)態(tài)化管理，為學(xué)校合理設(shè)置課程、優(yōu)化教育資源配置、提高教學(xué)質(zhì)量提供可靠的數(shù)據(jù)依據(jù)，同時(shí)對(duì)提高學(xué)校教學(xué)和管理水平也有一定的幫助。［1］數(shù)據(jù)挖掘(DataMining),即數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，就是對(duì)龐大的數(shù)據(jù)集或數(shù)據(jù)庫(kù)進(jìn)行分析，挖掘出隱含的、未知的、用戶可能感興趣的和對(duì)決策有潛在價(jià)值的知識(shí)和規(guī)則，可以為用戶提供決策的依據(jù)［2］。決策樹(shù)算法是數(shù)據(jù)挖掘的核心算法之一，決策樹(shù)方法以樹(shù)型結(jié)構(gòu)表達(dá)最終分類結(jié)果的，也能生成If-Then形式的規(guī)則，便于使用者理解。在教務(wù)管理系統(tǒng)中，學(xué)生的成績(jī)是一項(xiàng)重要的數(shù)據(jù)，它不僅是對(duì)學(xué)生學(xué)習(xí)情況的評(píng)價(jià)，也是對(duì)教師教學(xué)質(zhì)量的檢查。本文中研究使用決策樹(shù)算法對(duì)學(xué)生的成績(jī)進(jìn)行挖掘分析，全面地分析學(xué)生的畢業(yè)設(shè)計(jì)成績(jī)與實(shí)踐類課程、專業(yè)類及基礎(chǔ)類課程中隱藏的內(nèi)在聯(lián)系，體現(xiàn)出學(xué)生課程之間有一定的相互關(guān)聯(lián)關(guān)系，可以及時(shí)指導(dǎo)教師在以后的教學(xué)工作中采取恰當(dāng)?shù)姆椒ǎ訌?qiáng)學(xué)生實(shí)踐操作能力的訓(xùn)練，指導(dǎo)學(xué)生進(jìn)行專業(yè)、基礎(chǔ)類課程的學(xué)習(xí)，提高教學(xué)質(zhì)量。決策樹(shù)算法2.1決策樹(shù)算法基本概念決策樹(shù)是一種常用的、直觀的分類歸納算法。決策樹(shù)是一種類似流程圖的樹(shù)狀結(jié)構(gòu)，根據(jù)層次的不同，結(jié)點(diǎn)分為根結(jié)點(diǎn)、內(nèi)部結(jié)點(diǎn)和葉結(jié)點(diǎn)三種類型。［3］每個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)樣本集，樹(shù)的最高層結(jié)點(diǎn)就是根結(jié)點(diǎn)，對(duì)應(yīng)整個(gè)樣本集，內(nèi)部結(jié)點(diǎn)對(duì)應(yīng)一個(gè)類標(biāo)志。根結(jié)點(diǎn)和內(nèi)部結(jié)點(diǎn)都包含一個(gè)對(duì)樣本屬性的測(cè)試，根據(jù)測(cè)試的結(jié)果將樣本集劃分為兩個(gè)或多個(gè)子集，每個(gè)子集生成一個(gè)分支，分支用測(cè)試屬性值來(lái)標(biāo)識(shí)。葉結(jié)點(diǎn)包含一個(gè)類標(biāo)志，表示對(duì)應(yīng)樣本集的類別。決策樹(shù)的中間結(jié)點(diǎn)通常用矩形表示；而葉子結(jié)點(diǎn)常用橢圓表示。決策樹(shù)的構(gòu)造包括兩個(gè)步驟，一是生成決策樹(shù)，二是進(jìn)行剪枝。決策樹(shù)的生成是從一個(gè)根結(jié)點(diǎn)開(kāi)始，從下到下的遞歸過(guò)程，通過(guò)不斷地將訓(xùn)練樣本分割成子集來(lái)構(gòu)造決策樹(shù)，從根結(jié)點(diǎn)開(kāi)始對(duì)該樣本的屬性進(jìn)行測(cè)試，根據(jù)測(cè)試結(jié)果確定下一個(gè)結(jié)點(diǎn)，直至到達(dá)葉結(jié)點(diǎn)為止。決策樹(shù)的剪枝是對(duì)樹(shù)結(jié)構(gòu)進(jìn)行修剪，刪除多余分支的過(guò)程，得到一棵最小期望錯(cuò)誤率的決策樹(shù)。2.2ID3算法ID3算法是決策樹(shù)學(xué)習(xí)算法中最有影響力、使用最廣泛的一種決策樹(shù)算法。ID3的基本思想是自頂向下遞歸地使用搜索訓(xùn)練樣本集，是一種典型的貪心算法，在決策樹(shù)的每個(gè)結(jié)點(diǎn)處測(cè)試每一個(gè)屬性，用信息增益作為屬性的'選擇標(biāo)準(zhǔn)，選擇信息增益最大的屬性作為決策樹(shù)結(jié)點(diǎn)，從而構(gòu)建決策樹(shù)。［4］在算法中，在決策樹(shù)結(jié)點(diǎn)屬性的選擇上使用信息論中熵(Entropy)的概念來(lái)完成。2.2.1信息熵信息熵是各自信息量的期望，用信息熵可以用來(lái)度量整個(gè)信息源X整體的不確性。設(shè)樣本數(shù)據(jù)集為X,n是信號(hào)源所有可能的符號(hào)數(shù)，ai是可能取到的值，P(ai)是取值為ai的概率。其信息熵如下：2.2.3平均信息增益信息增益表示兩個(gè)信息量之間的差值，在進(jìn)行分類屬性的選擇時(shí)，應(yīng)該選擇最大的信息增益作為分類屬性。信息增益如下：Gain(XY)=H(X)-H(XY)決策樹(shù)算法在教學(xué)質(zhì)量分析中的應(yīng)用學(xué)生的畢業(yè)設(shè)計(jì)通常是學(xué)生對(duì)三年來(lái)所學(xué)的各種基礎(chǔ)素養(yǎng)類課程、專業(yè)類課程、專項(xiàng)實(shí)踐類課程的綜合掌握，是體現(xiàn)一個(gè)學(xué)生的綜合素質(zhì)的重要依據(jù)，也是教師培養(yǎng)學(xué)生的教學(xué)質(zhì)量的重要體現(xiàn)。因此，通過(guò)對(duì)學(xué)生的畢業(yè)設(shè)計(jì)和各種基礎(chǔ)課、專業(yè)課及專業(yè)實(shí)踐課的考試成績(jī)的挖掘，分析出其中的關(guān)系，為今后教師調(diào)整教學(xué)方案提供依據(jù)。決策樹(shù)算法對(duì)學(xué)生成績(jī)進(jìn)行分析，是將決策樹(shù)的相關(guān)算法應(yīng)用于學(xué)生成績(jī)挖掘，對(duì)大量的考試成績(jī)數(shù)據(jù)進(jìn)行分析，從而更好的分析和預(yù)測(cè)成績(jī)數(shù)據(jù)。［5］其主要過(guò)程如下：3.1數(shù)據(jù)收集數(shù)據(jù)收集階段主要工作是從教務(wù)管理系統(tǒng)中收集與挖掘相關(guān)的學(xué)生成績(jī)數(shù)據(jù)，并進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)分析，檢查這些學(xué)生成績(jī)數(shù)據(jù)是否完整。在進(jìn)行數(shù)據(jù)挖掘之前，主要收集了我院2008級(jí)軟件技術(shù)專業(yè)0801班42名學(xué)生不同學(xué)期的課程成績(jī)作為原始數(shù)據(jù)，一共選擇了9門課程。學(xué)生成績(jī)表的主要內(nèi)容包括學(xué)號(hào)及各門課程成績(jī)。進(jìn)行分類整理后，得到學(xué)生成績(jī)數(shù)據(jù)表。學(xué)號(hào)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)C語(yǔ)言程序設(shè)計(jì)WEB開(kāi)發(fā)技術(shù)數(shù)據(jù)庫(kù)原理與應(yīng)用程序設(shè)計(jì)C#程序設(shè)計(jì)數(shù)據(jù)庫(kù)設(shè)計(jì)與開(kāi)發(fā)基于C#的應(yīng)用程序設(shè)計(jì)基于C#的Windows應(yīng)用程序設(shè)計(jì)畢業(yè)設(shè)計(jì)100080563808076749089良好良好良好中等100080575858688769294良好優(yōu)秀優(yōu)秀優(yōu)秀100080593607595697980中等及格及格及格其中計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)、C語(yǔ)言程序設(shè)計(jì)、WEB開(kāi)發(fā)技術(shù)三門為基礎(chǔ)類課程，數(shù)據(jù)庫(kù)原理與應(yīng)用程序設(shè)計(jì)、C#程序設(shè)計(jì)三門為專業(yè)類課程，數(shù)據(jù)庫(kù)設(shè)計(jì)與開(kāi)發(fā)、基于C#的應(yīng)用程序設(shè)計(jì)、基于C#的Windows應(yīng)用程序設(shè)計(jì)三門為專項(xiàng)實(shí)踐類課程。3.2數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理的主要工作就是檢查數(shù)據(jù)庫(kù)中不完整的、含噪聲的，不一致的的數(shù)據(jù)，并且進(jìn)行清理，除去噪音，填補(bǔ)記錄中遺漏的數(shù)據(jù)值、刪除無(wú)效數(shù)據(jù)等，提高挖掘算法的精度和有效性。并且要對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，生成新的屬性或記錄，使之適合數(shù)據(jù)挖掘處理的格式，預(yù)處理后的數(shù)據(jù)可以節(jié)省數(shù)據(jù)處理的時(shí)間。在學(xué)生成績(jī)表中，對(duì)學(xué)生因缺考、緩考、違紀(jì)、休學(xué)、退學(xué)等情況產(chǎn)生的成績(jī)記錄的缺失，可考慮進(jìn)行清理，刪除這些記錄，確保表格數(shù)據(jù)的完整。最后形成有效數(shù)據(jù)共42條記錄。3.3數(shù)據(jù)轉(zhuǎn)換將收集到的數(shù)據(jù)信息轉(zhuǎn)換為一個(gè)數(shù)據(jù)模型，決策樹(shù)算法中使用的是離散型數(shù)據(jù)，學(xué)生成績(jī)是連續(xù)型的，因此，要將其數(shù)據(jù)屬性進(jìn)行離散化處理。學(xué)生成績(jī)的成績(jī)?cè)u(píng)價(jià)指標(biāo)可分為三個(gè)等級(jí)，A：85-100（優(yōu)秀），B：70-84（良好），C：69以下（一般）。離散化后的學(xué)生成績(jī)表如下圖所示：學(xué)號(hào)基礎(chǔ)課專業(yè)課專項(xiàng)實(shí)踐課畢業(yè)設(shè)計(jì)100080563BBB100080575AAAA100080593BCCC3.4數(shù)據(jù)分類挖掘根據(jù)生成的分析模型，利用決策樹(shù)算法對(duì)數(shù)據(jù)進(jìn)行挖掘，具體情況如下。學(xué)生成績(jī)表中樣本類別屬性為畢業(yè)設(shè)計(jì)，首先計(jì)算出畢業(yè)設(shè)計(jì)的信息熵。畢業(yè)設(shè)計(jì)成績(jī)分為A（優(yōu)秀）、B（良好）、C（一般）三種類別，其中優(yōu)秀為3人，良好為28人，一般為11人，根據(jù)公式計(jì)算其信息熵如下：（3）根據(jù)專項(xiàng)實(shí)踐課成績(jī)計(jì)算條件熵。專項(xiàng)實(shí)踐課成績(jī)?yōu)椤ˋ〃人數(shù)為7人。其中畢業(yè)設(shè)計(jì)成績(jī)?yōu)椤ˋ〃的2人，為"B〃的5人，為〃C〃的0人。專項(xiàng)實(shí)踐課成績(jī)?yōu)椤˙〃人數(shù)為25人，其中畢業(yè)設(shè)計(jì)成績(jī)?yōu)椤ˋ〃的1人，為〃B〃的16人，為〃C〃的8人。專項(xiàng)實(shí)踐課成績(jī)?yōu)椤–〃人數(shù)為10人。其中畢業(yè)設(shè)計(jì)成績(jī)?yōu)椤ˋ〃的0人，為〃B〃的7人，為〃C〃的3人。因此其條件熵為：H（X專項(xiàng)實(shí)踐課）二=1.022其信息增益為：Gain（專項(xiàng)實(shí)踐課）=1.168-1.022=0.146由上述計(jì)算可見(jiàn)，專項(xiàng)實(shí)踐課成績(jī)屬性所獲得的信息增益最大，被作為根結(jié)點(diǎn)，并依次取專業(yè)課成績(jī)、基礎(chǔ)課成績(jī)屬性做為分支結(jié)點(diǎn)。通過(guò)構(gòu)造和剪枝后，形成如圖所示的決策樹(shù)：3.5結(jié)果分析通過(guò)對(duì)上述決策樹(shù)的分析，可得出如下結(jié)論：專項(xiàng)實(shí)踐、專業(yè)課、基礎(chǔ)課成績(jī)均優(yōu)秀的同學(xué)，畢業(yè)設(shè)計(jì)成績(jī)優(yōu)秀。專項(xiàng)實(shí)踐優(yōu)秀、專業(yè)課成績(jī)一般的同學(xué)，無(wú)論基礎(chǔ)課成績(jī)?nèi)绾危厴I(yè)設(shè)計(jì)成績(jī)均為一般。由決策樹(shù)分析可見(jiàn)，專項(xiàng)實(shí)踐、專業(yè)課、基礎(chǔ)課在學(xué)生的綜合素質(zhì)的培養(yǎng)中起到了不同程度的作用。專項(xiàng)實(shí)踐課對(duì)學(xué)生的綜合能力的培養(yǎng)有重要的影響，但不是絕對(duì)因素，基礎(chǔ)課和專業(yè)課的教學(xué)安排，對(duì)學(xué)生的實(shí)踐能力的訓(xùn)練起到了很大的支撐作用。因此，在專業(yè)的課程安排和教師的教學(xué)組織中，要注重學(xué)生的知識(shí)的學(xué)習(xí)與技能的訓(xùn)練的有機(jī)結(jié)合，提高學(xué)生的綜合能力。4.結(jié)束語(yǔ)利用決策樹(shù)分類算法的ID3算法對(duì)學(xué)生的成績(jī)進(jìn)行分析，構(gòu)造出學(xué)生成績(jī)分析決策樹(shù)，可以挖掘出學(xué)生的畢業(yè)設(shè)計(jì)成績(jī)與基礎(chǔ)課程、專業(yè)課程、專項(xiàng)實(shí)踐課程之間的隱藏關(guān)系，同時(shí)也挖掘出各類課程的學(xué)習(xí)對(duì)學(xué)生綜合素質(zhì)培養(yǎng)的影響。教師可以根據(jù)分析結(jié)果在今后的教學(xué)過(guò)程中，注重加強(qiáng)學(xué)生的專業(yè)能力培養(yǎng)、實(shí)踐能力訓(xùn)練，培養(yǎng)出合格的高端技能型人才。參考文獻(xiàn)：丁智斌，袁方，董賀偉?數(shù)據(jù)挖掘在高校學(xué)生學(xué)習(xí)成績(jī)分析中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì).2006.2