决策树分类算法分析课程成绩--促进《计算机基本操作技术》课程体系改革.pdfVIP

算法分析 这三个因素中学籍性质是影响最大的因素。中升高的学生的基础最 l(p|I1)=I(5，4，5)=一百52 5 一 4 j凹 可4 5 f z面5 = 1s77bit 再 酉 一再 好，因为在入校前已经在学校有过较长的一段时间来学习计算机 ； 不同学籍性质的期望信息值为： 其次影响的因素为生源地，条件较好的地区的学生的成绩比不发达 地区学生的成绩普遍要高一些，主要是他们接受新事物的环境较 I招)=I(Pl~,nli)l(2．3)一一jz叼2} 幻2 0．971bit 好。最后影响的因素则是学生在学习过程中的上机实践的学时数， l(中升高)I(pl2，nlz)一l4(，o)=一叼2÷一0一Obit 效果明显，学时长的优于学时短的。所以我们对课程进行改革，在课 堂教学时，除完成基础教学内容外，应该在每节课中增加1_2个部分 l(成黝 =I(Pln~3)=I(_3，2) 一52t口口2一 ￡。留2一0．971bit 的知识点的拓展案例，对于不同情况的学生有选择性的延展，以增 加他们的学习兴趣，学会举一反三，提高他们的对知识的掌握及灵 ．．．E(学籍性质)杀×0,971+~X0+ ×09．7106．936bit 活运用。这些改革所依据的都是在学时增加的基础上完成。 信息增益Gain(学耩性赝)=I{p．n)一E(学籍性暖)=0．9403-0．6936--．0．2467 4结语 … ． 一 学籍性质信息增益比GainRatio(学籍性质)：U2=46=_7=O．1564 ‘- ，， 教与学的过程是相辅相成的，在这个动态的过程 中，对于出现 按照上面的公式及推算过程，将生源地信息增益比，上机学时 的影响因素太多了，加之不确定性情况较多，所以很容易造成结果 信息增益比分别计算出来。结果显示为： 出现偏差。决策树的决策过程非常直观，容易被人理解。目前决策树 信息增益比GainRatio(生源地)=0．0185 已经成功运用于医学、制造产业、天文学、分支生物学以及商业等诸 信息增益比GainRatio(上机学时)=0．0485 多领域。现在在教学中的应用也越来越广，如课程的安排、学生选 信息增益比相 比较，0．15640．04850．4085I 课、教室的安排、学生评教等，对教育的改革发挥到更重要的作用。 即：GainRatio(学籍性质)GainRatio(上机学时)GainRatio 参考文献 (生源地)。 [1]安淑芝．数据仓库与数据挖掘[H]．北京：清华大学出版社。2005． 最大项为GainRatio(~籍性质)确定为决策树的根结点，按照构 109． 建生成决策树是从树根沿着路径到节点的过程，确定子集则是生源 [2]路遥．基于数据挖掘技术的超市管理信息系统[D]．硕士学位论文． 地与