决策树在成绩分析中的应用分析.docxVIP

学年论文《 决策树在成绩分析中的应用 》学院：计算机科学与工程学院班级：*********学号: ************* 姓名: *** 导师： ** 摘要1Abstract2第一章 绪论31.1数据挖掘的历史、发展31.1.1数据挖掘技术的商业需求分析31.1.2数据挖掘研究的发展趋势3第二章 数据挖掘的基本知识42.1 数据挖掘的定义42.2数据挖掘的分类4 2.2.1数据挖掘按挖掘任务类型42.2.2 按挖掘对象4 2.2.3 按挖掘方法52.2.4 按数据挖掘所能发现的知识52.3数据挖掘技术的主要方法5 2.3.1关联规则方法52.3.2决策树方法 52.3.3 神经网络方法52.3.4遗传算法 62.4数据挖掘的实现过程 62.4.1 数据准备 62.4.2数据挖掘62.4.3 模式的评估解释62.4.4 知识运用 6第三章 决策树技术63.1决策树技术63.2算法描述 73.2.1 ID3算法73.2.2 改进算法83.2.3 ID3算法计算学生的成绩信息 83.2.4 改进算法计算学生的信息13第四章 总结17参考文献：18决策树在成绩分析中的应用摘要数据挖掘的提出是在20世纪80年代，它是一个新兴的、面向商业应用的AI研究领域，20世纪末，随着Internet的普及，全球信息量以惊人的速度急剧增长，据估计每二十个月增加一倍。目前的数据库系统虽然可以高效的实现数据的录入、查询、和统计等功能，但却无法发现海量数据中隐藏的知识和规律；人们面临的主要问题不再是缺乏足够的信息可以使用，而是面对浩瀚的数据海洋如何有效的利用这些数据。如何将这些海量的数据从数据库中提取出来，并转为有用的信息；面对这一挑战，数据挖掘和知识发现技术应运而生，并显示强大的生命力。数据挖掘和知识发现使数据处理技术进入一个更高级的阶段。它不仅能对过去的数据进行查询，而且能够找出过去数据进行查询，而且能够找出过去数据之间潜在的联系，进行更高层次的分析，以便更好的解决决策、预测等问题。数据挖掘，从技术角度而言，数据挖掘是从大量的，不完全的，有噪声的、模糊的、随机的实际数据中，提取隐含在其中人们事先不知道但有潜在有用的信息和知识的过程。从商业角度，数据挖掘是一种新的商业信息处理技术，其主要的特点是对数据库中的大量业务数据进行抽取、转换、分析和其他模型换处理，从中提取辅助商业决策的关键性信息和知识。本论文主要论述的是利用决策树技术对于大量的学生数据进行分析，在其中挖掘有用的信息，目的是提高教学质量。决策树技术，用于分类和预测的主要的技术，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出决策树表示形式的分类规则，它包括两个步骤：一，利用训练样本集来建立并精化出一颗决策树，建立决策树模型。即从数据中获取知识，进行机器学习的过程。二，利用建好的决策树对新的数据进行分类。关键字：数据挖掘，决策树技术，成绩分析Application of decision treein performance analysisAbstractData mining is put forward in 1980s，it is a new, twentieth Century for the commercial application of AI research field,at the end, with the popularity of Internet, the global information has dramatically increased at an alarming rate, is estimated to be doubled every twenty months. Although the current database system can achieve data entry, efficient the query and statistical functions, but can not find the knowledge and rules hidden in massive data; the main problems that people are facing is not lack of enough information can be used, but the face of the vast ocean of data and how to use these data effectively. How these massive data extracted from the database,