基于决策树分类算法在大学生成绩分析中的应用.pdfVIP

福 建 电 脑 U J I A N C O M P U T E R F 基于决策树分类算法在大学生成绩分析中的应用 张 辉， 张映雪 （湖北工程学院新技术学院 湖北 孝感 432000 ） 【摘 要】针对大学生计算机二级成绩影响因素的问题 ，运用决策树方法 C4.5 算法对湖北工程学院新技术学院 2012 级学生计算机二级成绩进行分析挖掘并生成决策树模型。 通过模型分析找出分类规则总结出成绩影响因子，为今后计算 机等级考试的教学工作提供指导性意见并提高考试的通过率,达到提高教学质量和促进教育教学改革的目的。 【关键词】计算机二级成绩；C4.5 算法；决策树 1 引言 * 学校因素： 对其重视程度， 是否提供了 良好的学习环境 从 80 年代起， 数据挖掘作为新兴研究领域在各领域得以 等。 广泛应用，如金融分析、生物学分析、企业分析等，同时涌现了 为了简化分析过程， 提取了其中主要因素对数据进行汇 大批数据挖掘工具。 然而，在教育领域中的应用相对较少，尤其 总，如表 1、表 2 所示： 是在学生成绩分析的应用更是欠缺。 大部分高校的成绩管理依 表 1 学生成绩表 然停留在简单数据管理及查询阶段，成绩分析多为分段划分与 学号 作业提交 考勤记录 期中考试 期末考试 二级成绩 平均值计算，对影响成绩的因素也多采取经验指导，缺乏一定 1 15 41 94 96 89 的科学管理。 因此，以研究影响学生成绩因素为基础，通过决策 10 4 20 48 60 51 树方法 C4.5 算法对学生计算机二级成绩进行分析挖掘并生成 11 11 30 85 88 62 决策树，找出相应的分类规则，为今后教学工作提供指导，进一 15 12 35 88 90 68 步提高教学质量，促进教育教学改革。 18 2 16 40 60 50 2 学生成绩数据的处理流程 19 15 39 97 98 82 分类方法是数据挖掘应用领域中的重要技术之一，它通过 22 8 27 71 78 55 分析训练集中的数据，对类建立分类模型,再利用分类模型来预 测类标记未知的对象类[1] 。 数据在经过处理、算法分析、结果分 24 12 38 89 92 68 析和应用四个阶段后， 通过已知数据集建立概念描述模型，然 25 10 38 83 90 82 后再利用所获得模型进行分类操作：首先对模型分类的准确率 27 14 41 93 96 85 进行估计， 如果一个模型的准确率经测试被认为是可 以接受 28 15 41 95 96 87 的，那就可以使用这一模型对未