ID3决策树算法对教学辅助系统的优化.pdf

第 32卷第 1期 齐 齐 哈 尔 大 学 学 报 (自然科学版) Vo1．32．No．1 2016年 1月 JournalofQiqiharuniversity(NaturalScienceEdition) Jan．，2016 ID3决策树算法对教学辅助系统的优化 樊妍妍 (安徽商贸职业技术学院 电子信息工程系，安徽 芜湖 241000) 摘要：为实现教学辅助系统的个性化，使用 ID3决策树算法，通过将学生某门课某章节的在线学习信息作为挖掘 对象，找出其中影响学习效果的分类规则 ，分析学生的学习情况 ，给出个性化提示 ，从而实现因材施教。 关键词：决策树分类算法；ID3决策树 ；教学辅助系统 ；因材施教 中图分类号：TP301．6 文献标志码：A 文章编号：1007—984X(2016)01—0085—05 随着多媒体技术和网络信息技术的蓬勃发展，在线教学辅助系统逐渐成为课堂教学模式的有效辅助手 段。由于作为教学主体的学生在接受能力、努力程度等方面存在着个体差异，从而导致了不同学生个体的 学习效果有着明显的不同，因此即使是教学辅助系统，也不能以一刀切的方式进行教学，而应当实现因材 施教。本文将 ID3决策树算法引入在线教学辅助系统，通过对学生的学习信息进行挖掘，找到对学习效果 有较大影响的那些分类规则 ，用以分析学生的学习情况 ，对学生的学习行为给出个l生化提示，从而完善教 学辅助系统使其实现个l生化。 1 ID3决策树算法 1．1 概念 决策树算法…是 目前应用最为广泛的数据挖掘算法之一，主要用来研究数据的分类和预测问题。它从 根节点开始，利用归纳算法选择其中一个分支，以此类推不断向下，直到选择某个叶子节点，从而构造决 策树 。从根节点到叶子节点可以生成一个分类规则 ，该规则是IF—THEN形式的，而决策树可以转化成多 个分类规则，以此来实现对数据的分类。决策树算法的优点包括分类速度快、精度高、生成的模式简单、 对噪声数据有很好的健壮性等。其中最有名的是 1986年由Quinlan提出的ID3决策树算法口。 1．2 构造 ID3决策树算法的构造原理是将信息增益用作选取分支节点的测试属性 ，找出信息增益最高的节点， 然后继续这个过程，从而递归生成一棵简单的决策树。构造过程如下。 假设训练集 中包含了S个数据样本，定义m个类c，c，，…，c(其中f-12一，m)，设定S为c的 数据样本个数。 1．2．1 设定信息熵 I(sl，2，…，S)=一∑ log2() I 其中，训练集 S中某随机数据样本属于类 的概率定义为 ， 使用 估算 ，式中使用的函数以2 ’ 为底是因为信息采用二进制编码。 1．2．2 选择根节点 设屙I生 为树的根，A中包含 1，个值 {口，口，…，Clv}，它们各不相同。训练集 被分为子集{。， ，…， }， 设其中某子集为S，A的值为 口。 ，是 ，中的样本属于 的个数。测试属性选定A，则 收稿 日期：2015—09—01 基金项目：安徽省高校省级自然科学研究项目 “基于IEEE802．3az的园区网节能技术研究”(KJ2013Z087)；安徽省示范性高 等职业院校合作委员会 (A联盟)项目 “在线教学辅助系统的研究和设计”(皖高示范 (2012)4号) 作者简介：樊妍妍(1980一)，女，安徽芜湖人，讲师，硕士学位，主要从事网站建设及图形图像处理方面研究，249153199@qq．corn。 - 86· 齐 齐 哈 尔 大 学 学 报 (自然科学版) E(A)=∑ — -_— 2，，．一，，) J=l L) S + S + … +S 其中， —二三_，—— 是子集S，的权，由上式可推出信息熵如下