关联规则挖掘在学生成绩分析中应用.docVIP

关联规则挖掘在学生成绩分析中应用 　　摘要：针对课程设置与课程成绩之间的关系，将关联规则挖掘技术应用到高校学生成绩分析中，发现隐藏在课程之间的有意义的信息，从而对得出的有价值的知识进行分析，找出教学中各方面的成效得失以及影响学生成绩的内在因素，从而为学生选课和教师教学以及教学管理工作等提供决策支持。 　　关键词：数据挖掘；关联规则；学生成绩；Apriori算法 　　中图分类号：G645 文献标识码：A 文章编号：1007-0079（2014）20-0094-02 　　数据挖掘（Data Mining，简称DM）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又潜在的有用信息和知识的过程。[1]是数据库中知识发现的核心，涉及到多个学科。而数据挖掘中的关联规则就是在海量数据中发现数据项集之间有意义的关联或相关联系。关联规则的支持度和置信度反映了规则的有用性和确定性。[2]由于关联规则形式简洁，易于解释和理解，因此从大型数据库中挖掘关联规则的问题已经成为近年来数据挖掘领域的一个热点。 　　高校里积累和蕴藏着大量的学生成绩数据，但目前对这些数据的处理还停留在初级的数据备份、查询以及简单统计阶段，很多管理与决策总是凭经验或学习别人经验，管理滞后，隐藏在这些大量成绩数据背后的信息一直没有得到应用和重视，不利于培养人才和提高教学质量。因而需要有更新的技术对这些数据进行分析，从这些成绩数据中发现潜在规律和隐含的模式，找到教学中各方面的成效得失以及影响学生学习成绩的因素从而为提高学校管理的决策性和办学质量起到积极的促进作用。[3] 　　一、关联规则简介 　　关联规则是描述一个事务中事件之间同时出现的规律的知识模式，因此用于关联规则发现的主要对象是事务型数据库，设是项的集合。设任务相关的数据D是数据库事务的集合，其中每个事务T是项的集合，使得。每一个事务有一个标识符TID。设A是一个项集，事务T包含A当且仅当。关联规则是形如的蕴含式，其中，，并且。规则在事务集D中成立，具有支持度s，其中s是D事务包含的百分比，它是概率。规则在事务集D中具有置信度c，其中c是D中包含A的事务同时也包含B的百分比。这是条件概率。[4]即 　　（1） 　　（2） 　　支持度用于衡量关联规则在整个数据集中的统计重要性，置信度用于衡量关联规则的可信度。同时满足最小支持度阈值（）和最小置信度阈值（）的规则称作强规则。项的集合称为项集。包含k个项的项集称为k项集。项集的出现频率是包含项集的事务数。式（1）定义的项集支持度称作相对支持度，而出现频率称作绝对支持度。如果项集I的相对支持度满足预定义的最小支持度阈值，则I是频繁项集。从式（2）可以看出规则的置信度容易从A和的支持度计数推出。因此挖掘关联规则的问题可以归结为挖掘频繁项集。所以一般挖掘关联规则可以看做两步过程：找出所有的频繁项集；由频繁项集产生强关联规则。 　　本文采用R.Agrawal和R.Strikant提出的Apriori算法进行频繁项集的挖掘。Apriori使用逐层搜索的迭代方法，k项集用于搜索（k+1）项集。首先，通过扫描数据库，累积每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记L1。然后，L1用于找频繁2项集的集合L2，L2用于找L3，如此下去，直到不能再找到频繁k项集。找每个Lk需要一次数据库全扫描。 　　二、实例分析 　　随着近年高校学分制的普遍施行，学生有更大的自由度选择自己感兴趣和擅长的课程，提高了学习自主性，并且也能在知识的深度和广度上发挥主观能动性。但是目前现有的成绩分析主要集中在以下几个方面： 　　第一，从期末考试成绩的分布进行分析：比如平均分、最高分、最低分、均方差等以及各个分数段如=90分）、良好（成绩=80）、中等（成绩=70）、及格（成绩=60）和不及格对成绩进行表示，如表2所示。 　　为了找到具有较高典型性的规则，本研究拟对成绩优良（80～100分）和不及格（ Ar_007=A，confidence=0.91；Ar_001=A = Ar_013=A，confidence=0.86；Ar_001=A，Ar_004=A = Ar_015=A，confidence=0.82；Ar_001=B，Ar_004=B = Ar_016=B，confidence=0.73；…… 　　通过以上的分析结果可以看出对于计算机专业的学生：第一，在大一阶段如果Ar_001（C语言程序设计）成绩是优秀，那么后面的Ar_007（C++）和课程Ar_013（Java）也会掌握得很好，概率分别是0.91和0.86；第二，课程Ar_001（C语言程序设计）和课程Ar_004（数据结构）是学好Ar_015（数据库）的基础，优秀的概率是0.82；第三