基于聚类和决策树算法的成绩影响因素分析.pdfVIP

2013年 6月 中国石油大学胜利学院学报 Jun．2013 第 27卷 第 2期 JournalofShengliCollegeChinaUniversityofPetroleum Vo1．27 No．2 doi：10．3969／j．issn．1673-5935．2013．02．011 基于聚类和决策树算法的成绩影响因素分析 张 莉 (中国石油大学胜利学院 信息与计算科学系，山东 东营 257000) [摘 要] 应用数据挖掘中的K—means算法对学生成绩数据表进行分类，得到成绩的定性评价，并对分类 后 的结果使用 ID3算法建立决策树分析 ，得到影响成绩的关键 因素是上课 出勤次数 ，其他各种因素对成绩的影响 相对较小。通过数据挖掘可将藏匿于海量数据中的有用信息挖掘 出来，将其应用于成绩影响因素分析。能够促进 学校教学工作 的进一步提升。 [关键词] 数据挖掘；聚类；决策树；ID3算法 [中图分类号]TP311．13 [文献标识码]A [文章编号]1673—5935(2013)02—0033—03 学生在校成绩是学校教学质量和学生掌握知识 样本对象关联的标准相似性 自动分为多类 ，同一类 程度的直观体现 。随着社会 的发展，外界因素对在 中的样本对象有较高的相似度 ，类 间的样本对象相 校生成绩在广度和深度上影响越来越大。对影响因 异。聚类的方法主要有 ：以划分为基础 的K—means 素分析，使用数据挖掘技术挖掘出影响成绩的关键 聚类算法，以层次为基础的聚类算法，以密度为基础 因素，将结果反馈到教学中，通过改善教学方法等手 的方法等[3]，笔者将采用 K—means聚类算法进行成 段提高教学质量 。 绩定性评价。 2．1 K—means算法评价函数的优化 1 数据挖掘 K—means算法即已知数据库包含 7／个数据样 数据挖掘 (datamining)是从大量 的、不完全 本，给定聚类个数 矗，对每个数据样本计算其应该属 的、有噪声的、模糊 的、随机的数据 中提取隐含在其 于的类 ，得到满足方差最小标准的忌个聚类。 中的、人们事先不知道的、但又是潜在有用的信息和 K—means算法是无监督算法，一般使用性能评 知识 的过程 [1]。 价函数对数据样本的聚类结果进行有效性评价。若 数据挖掘方法是由人工智能、机器学习的方法 采用的评价函数不能准确反映聚类质量 ，则会在很 发展而来，结合传统的统计分析方法、模糊数学方法 大程度上影响算法的有效性和准确性。针对样本数 以及科学计算可视化技术等，以数据库为研究对象， 据结构特点，重新定义一种新 的评价性能函数应用 形成了数据挖掘的方法和技术。数据挖掘的方法和 到 K—means算法中，对参数 是进行优化 。 技术主要包括 ：统计分析方法、关联规则方法 、决策 2．1．1 确定初始聚类 中心 树方法、神经网络法、粗糙集理论方法、遗传算法、可 对 K—means算法中的最初分类个数 k设定为 视化技术等[2]。 2，从样本对象集合 中抽取 k个样本点，计算出样本 数据的原始分类点。对样本中心进行再计算直到样 2 K—means算法的成绩定性评价 本中心不再变化，然后对聚类结果进行评价计算。