c4.5算法在高校计算机等级考试成绩分析中的研究 research on the application of algorithm c4.5 in the analysis of college students′score of computer rank examination.pdfVIP

第37卷第1期 淮北师范大学学报淮北师范大学学报（（自然科学版自然科学版）） Vol. 37 No. 1 2016年3月 JournalofHuaibeiNormalUniversity(NaturalScience)JournalofHuaibeiNormalUniversity(NaturalScience) Mar. 2016 C4.5算法在高校计算机等级考试成绩分析中的研究 程代娣① （安徽警官职业学院，安徽 合肥 230031） 摘 要：针对目前高校计算机等级考试持续过低的现状，应用决策树C4.5算法对安徽警官职业学院计算机等级 考试成绩数据进行深入分析和研究，对预处理后的数据进行挖掘并建立决策树分类模型，由决策树产生分类规 则，找出影响计算机等级成绩潜在的主导因素，从而为进一步提高高校计算机等级考试通过率提供参考依据. 关键词：数据挖掘；决策树；C4.5算法；计算机等级考试；成绩分析 中图分类号：TP 318 文献标识码：A 文章编号：2095-0691（2016）01-0012-05 全国计算机等级考试在我院举办多年，教务成绩管理系统中积累了大量的计算机二级考试Access成 绩. 然而，一直以来这些成绩主要为师生提供查询、统计和排序等功能，无法挖掘出隐含在其背后对教学 决策有价值的信息. 基于二级通过率普遍过低的现象，迫切需要采用新的数据分析技术对海量的成绩数 据进行分析，从中提取隐含的和有价值的资源. 文中将决策树C4.5算法引入到计算机等级考试成绩分析 中，从顶层进行具体分析，找出影响计算机等级考试成绩潜在的关键因素，为教师指明教学方向和教学重 点，从而进一步提高计算机等级考试的通过率. 1 决策树C4.5算法 ［1］ 数据挖掘就是从海量的数据中找出隐含的有价值信息 . 数据挖掘技术是一种新数据分析方法，它 既能实现对历史数据进行有效管理和查找，又能实现不同但关联数据之间的隐含关系，并能对海量数据 进行深层次的分析和挖掘，利用获取的有价值信息预测将来发展方向，现实更快速和更理性化地做出正 确的决策. 决策树是数据挖掘主要的算法，应用十分广泛. 本文采用C4.5决策树算法，将最终分类结果 用图形化树形结构表示出来，并构建IF-THEN模式的分类规则. 1.1 C4.5算法原则 采取信息熵原理构建决策树是C4.5算法的关键原则，即通过计算各个属性信息增益率确定分类属 ［2］ 性，分类测试属性由全部非类别属性的最大信息增益率来决定 ，自上而下递归地生成决策树子结点分 ［3］ 支来构建决策树 . 决策树初型构建、决策树修剪优化和生成IF-THEN分类规则是C4.5算法的主要构建 流程. 1.2 C4.5算法基本理论方法 ［4］ 信息增益是指期望信息或者信息熵的有效减少量，用来衡量一个属性区分数据样本的能力 . 在树 的每个结点上确定当前结点的测试属性的方法是计算具有最大信息增益的属性. 定义1 设s个样本集是S，设定类标号属性具有n个不同值，定义n个不同类C（i可为1，2，…，n），设i ［4］ 定S是类C中样本个数，那么，对于已知给定的样本分类所需的信息熵为 ：i i n I（S ，S ，…，S ）= - P log2(P) （1） 1 2 n ∑i i i=1 收稿日期：2015-11-02 基金项目：2015年度安徽省高等学校自