決策樹算法在高職院校成績分析中的應(yīng)用研究的論文

時間：2021-04-14 19:37:34 論文我要投稿

　　摘要：高職院校的學(xué)生的成績是一項重要的數(shù)據(jù)，它不僅是對學(xué)生學(xué)習(xí)情況的評價，也是對教師教學(xué)質(zhì)量的檢查。本文研究了使用決策樹算法對學(xué)生的成績進(jìn)行挖掘分析，分析學(xué)生的畢業(yè)設(shè)計成績與基礎(chǔ)類課程、專業(yè)類課程以及專項實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)生實踐操作能力的訓(xùn)練，進(jìn)而提高教學(xué)質(zhì)量。

決策樹算法在高職院校成績分析中的應(yīng)用研究的論文

　　關(guān)鍵詞：決策樹； ID3算法；數(shù)據(jù)挖掘；學(xué)生成績分析

　　1.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)含了很多有價值的信息。如果利用數(shù)據(jù)挖掘技術(shù)對學(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)過程，實現(xiàn)教學(xué)過程動態(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)，同時對提高學(xué)校教學(xué)和管理水平也有一定的幫助。[1]

　　數(shù)據(jù)挖掘（Data Mining），即數(shù)據(jù)庫中的知識發(fā)現(xiàn)，就是對龐大的數(shù)據(jù)集或數(shù)據(jù)庫進(jìn)行分析，挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價值的知識和規(guī)則，可以為用戶提供決策的依據(jù)[2]。決策樹算法是數(shù)據(jù)挖掘的核心算法之一，決策樹方法以樹型結(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)生的成績是一項重要的數(shù)據(jù)，它不僅是對學(xué)生學(xué)習(xí)情況的評價，也是對教師教學(xué)質(zhì)量的.檢查。本文中研究使用決策樹算法對學(xué)生的成績進(jìn)行挖掘分析，全面地分析學(xué)生的畢業(yè)設(shè)計成績與實踐類課程、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，可以及時指導(dǎo)教師在以后的教學(xué)工作中采取恰當(dāng)?shù)姆椒�，加�?qiáng)學(xué)生實踐操作能力的訓(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。

　　2.決策樹算法

　　2.1決策樹算法基本概念

　　決策樹是一種常用的、直觀的分類歸納算法。決策樹是一種類似流程圖的樹狀結(jié)構(gòu)，根據(jù)層次的不同，結(jié)點分為根結(jié)點、內(nèi)部結(jié)點和葉結(jié)點三種類型。[3] 每個結(jié)點對應(yīng)一個樣本集，樹的最高層結(jié)點就是根結(jié)點，對應(yīng)整個樣本集，內(nèi)部結(jié)點對應(yīng)一個類標(biāo)志。根結(jié)點和內(nèi)部結(jié)點都包含一個對樣本屬性的測試，根據(jù)測試的結(jié)果將樣本集劃分為兩個或多個子集，每個子集生成一個分支，分支用測試屬性值來標(biāo)識。葉結(jié)點包含一個類標(biāo)志，表示對應(yīng)樣本集的類別。決策樹的中間結(jié)點通常用矩形表示；而葉子結(jié)點常用橢圓表示。

　　決策樹的構(gòu)造包括兩個步驟，一是生成決策樹，二是進(jìn)行剪枝。決策樹的生成是從一個根結(jié)點開始，從下到下的遞歸過程，通過不斷地將訓(xùn)練樣本分割成子集來構(gòu)造決策樹，從根結(jié)點開始對該樣本的屬性進(jìn)行測試，根據(jù)測試結(jié)果確定下一個結(jié)點，直至到達(dá)葉結(jié)點為止。決策樹的剪枝是對樹結(jié)構(gòu)進(jìn)行修剪，刪除多余分支的過程，得到一棵最小期望錯誤率的決策樹。

　　2.2 ID3算法

　　ID3算法是決策樹學(xué)習(xí)算法中最有影響力、使用最廣泛的一種決策樹算法。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，在決策樹的每個結(jié)點處測試每一個屬性，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結(jié)點，從而構(gòu)建決策樹。[4]在算法中，在決策樹結(jié)點屬性的選擇上使用信息論中熵(Entropy)的概念來完成。

　　2.2.1 信息熵

　　信息熵是各自信息量的期望，用信息熵可以用來度量整個信息源X整體的不確性。設(shè)樣本數(shù)據(jù)集為X, n是信號源所有可能的符號數(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

　　信息增益表示兩個信息量之間的差值，在進(jìn)行分類屬性的選擇時，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)

　　3.決策樹算法在教學(xué)質(zhì)量分析中的應(yīng)用

　　學(xué)生的畢業(yè)設(shè)計通常是學(xué)生對三年來所學(xué)的各種基礎(chǔ)素養(yǎng)類課程、專業(yè)類課程、專項實踐類課程的綜合掌握，是體現(xiàn)一個學(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，通過對學(xué)生的畢業(yè)設(shè)計和各種基礎(chǔ)課、專業(yè)課及專業(yè)實踐課的考試成績的挖掘，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)。

　　決策樹算法對學(xué)生成績進(jìn)行分析，是將決策樹的相關(guān)算法應(yīng)用于學(xué)生成績挖掘，對大量的考試成績數(shù)據(jù)進(jìn)行分析，從而更好的分析和預(yù)測成績數(shù)據(jù)。[5]其主要過程如下：

　　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)生成績數(shù)據(jù)，并進(jìn)行簡單的統(tǒng)計分析，檢查這些學(xué)生成績數(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)期的課程成績作為原始數(shù)據(jù)，一共選擇了9門課程。學(xué)生成績表的主要內(nèi)容包括學(xué)號及各門課程成績。進(jìn)行分類整理后，得到學(xué)生成績數(shù)據(jù)表。

　　學(xué)號

　　計算機(jī)網(wǎng)絡(luò)基礎(chǔ)

　　C語言程序設(shè)計

　　WEB開發(fā)技術(shù)

　　數(shù)據(jù)庫原理與應(yīng)用

　　ASP.NET程序設(shè)計

　　C＃程序設(shè)計

　　數(shù)據(jù)庫設(shè)計與開發(fā)

　　基于C#的ASP.NET應(yīng)用程序設(shè)計

　　基于C#的Windows應(yīng)用程序設(shè)計

　　畢業(yè)設(shè)計

　　100080563

　　良好

　　中等

　　100080575

　　良好

　　優(yōu)秀

　　100080593

　　中等

　　及格

　　……

　　其中計算機(jī)網(wǎng)絡(luò)基礎(chǔ)、C語言程序設(shè)計、WEB開發(fā)技術(shù)三門為基礎(chǔ)類課程，數(shù)據(jù)庫原理與應(yīng)用、ASP.NET程序設(shè)計、C＃程序設(shè)計三門為專業(yè)類課程，數(shù)據(jù)庫設(shè)計與開發(fā)、基于C#的ASP.NET應(yīng)用程序設(shè)計、基于C#的Windows應(yīng)用程序設(shè)計三門為專項實踐類課程。

　　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、刪除無效數(shù)據(jù)等，提高挖掘算法的精度和有效性。并且要對數(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)處理的時間。

　　在學(xué)生成績表中，對學(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)換為一個數(shù)據(jù)模型，決策樹算法中使用的是離散型數(shù)據(jù)，學(xué)生成績是連續(xù)型的，因此，要將其數(shù)據(jù)屬性進(jìn)行離散化處理。

　　學(xué)生成績的成績評價指標(biāo)可分為三個等級，A：85-100（優(yōu)秀），B：70-84（良好），C：69以下（一般）。離散化后的學(xué)生成績表如下圖所示：

　　學(xué)號

　　基礎(chǔ)課

　　專業(yè)課

　　專項實踐課

　　畢業(yè)設(shè)計

　　100080563

　　100080575

　　100080593

　　……

　　3.4 數(shù)據(jù)分類挖掘

　　根據(jù)生成的分析模型，利用決策樹算法對數(shù)據(jù)進(jìn)行挖掘，具體情況如下。

　　學(xué)生成績表中樣本類別屬性為畢業(yè)設(shè)計，首先計算出畢業(yè)設(shè)計的信息熵。畢業(yè)設(shè)計成績分為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)公式計算其信息熵如下：

　　（3）根據(jù)專項實踐課成績計算條件熵。

　　專項實踐課成績?yōu)?quot;A"人數(shù)為7人。其中畢業(yè)設(shè)計成績?yōu)?quot;A"的2人，為"B"的5人，為"C"的0人。專項實踐課成績?yōu)?quot;B"人數(shù)為25人，其中畢業(yè)設(shè)計成績?yōu)?quot;A"的1人，為"B"的16人，為"C"的8人。專項實踐課成績?yōu)?quot;C"人數(shù)為10人。其中畢業(yè)設(shè)計成績?yōu)?quot;A"的0人，為"B"的7人，為"C"的3人。因此其條件熵為：

　　H（X專項實踐課）=

　　=1.022

　　其信息增益為：

　　Gain(專項實踐課)=1.168-1.022=0.146

　　由上述計算可見，專項實踐課成績屬性所獲得的信息增益最大，被作為根結(jié)點，并依次取專業(yè)課成績、基礎(chǔ)課成績屬性做為分支結(jié)點。通過構(gòu)造和剪枝后，形成如圖所示的決策樹：

　　3.5 結(jié)果分析

　　通過對上述決策樹的分析，可得出如下結(jié)論：

　　專項實踐、專業(yè)課、基礎(chǔ)課成績均優(yōu)秀的同學(xué)，畢業(yè)設(shè)計成績優(yōu)秀。專項實踐優(yōu)秀、專業(yè)課成績一般的同學(xué)，無論基礎(chǔ)課成績?nèi)绾危厴I(yè)設(shè)計成績均為一般。由決策樹分析可見，專項實踐、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。專項實踐課對學(xué)生的綜合能力的培養(yǎng)有重要的影響，但不是絕對因素，基礎(chǔ)課和專業(yè)課的教學(xué)安排，對學(xué)生的實踐能力的訓(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

　　利用決策樹分類算法的ID3 算法對學(xué)生的成績進(jìn)行分析，構(gòu)造出學(xué)生成績分析決策樹，可以挖掘出學(xué)生的畢業(yè)設(shè)計成績與基礎(chǔ)課程、專業(yè)課程、專項實踐課程之間的隱藏關(guān)系，同時也挖掘出各類課程的學(xué)習(xí)對學(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)過程中，注重加強(qiáng)學(xué)生的專業(yè)能力培養(yǎng)、實踐能力訓(xùn)練，培養(yǎng)出合格的高端技能型人才。

　　參考文獻(xiàn)：

　　[1]丁智斌，袁方，董賀偉.數(shù)據(jù)挖掘在高校學(xué)生學(xué)習(xí)成績分析中的應(yīng)用[J].計算機(jī)工程與設(shè)計.2006.2(590-592)

　　[2]邵峰晶，于忠清，王金龍，孫仁誠. 數(shù)據(jù)挖掘原理與算法[M].北京：科學(xué)出版社.2009.

　　[3]陳安，陳寧，周龍驤.數(shù)據(jù)挖掘技術(shù)及應(yīng)用[M].北京：科學(xué)出版社.2006.

　　[4]廖芹，郝志峰，陳志宏.數(shù)據(jù)挖掘與數(shù)學(xué)建模[M].北京：國防工業(yè)出版社.2010.

　　[5]邢曉宇，余建坤，陳磊.決策樹算法在學(xué)生考試成績中的應(yīng)用[J].云南民族大學(xué)學(xué)報(自然科學(xué)版).2009.1(77-80)

【決策樹算法在高職院校成績分析中的應(yīng)用研究的論文】相關(guān)文章：

高職院校中的創(chuàng)業(yè)教育論文12-10

高職院校體育文化的定位分析論文10-04

淺析高職院校中的創(chuàng)業(yè)教育論文12-10

高職院校體育教學(xué)中的研究論文10-16

基于關(guān)聯(lián)規(guī)則算法的高職英語教學(xué)中的分析研究論文09-10

高職院校學(xué)生成績管理研討論文10-20

高職院校聲樂教學(xué)培養(yǎng)分析論文10-15

高職院校英語教學(xué)分析論文07-23

高職院校文秘專業(yè)分析畢業(yè)論文03-28