orange软件在高校学生成绩分析中的应用.docxVIP

orange 软件在高校学生成绩分析中的应用 1. 引言 学生的成绩是衡量高校教学质量的一个重要指标。 随着高校 学生人数的逐年增加， 学生成绩数据也越来越庞大， 这些大量的 数据中蕴含着许多有意义的信息。数据挖掘( Data mining )是 用于从大量的不完全的、模糊的、有噪声的观察数据中，去发现 用户感兴趣数据的技术。 利用数据挖掘技术发现大量学生成绩数 据中的规律和隐含的知识， 对于指导高校教学质量和培养计划的 制定都具有重要的实际意义。 本文将利用数据挖掘工具软件 orange ，以广西师范学院计 算机专业学生成绩为例， 对计算机专业学生的成绩做非监督分类 处理分析。 2.orange 软件简介 Orange 是一个基于组件的数据挖掘和机器学习软件套装， 其中封装了决策树、 关联规则、 统计分析等数十种数据挖掘经典 算法。它功能友好，其具有快速而又多功能的可视化编程前端， 可以方便浏览数据分析和可视化。 Orange 软件是绑定了 Python 以进行脚本开发，能够与 c , C++方便的融合。是数据挖掘的有 利工具。打开 orange 软件后可见其界面图： 图 1 orange 软件的界面图 本文利用 orange 软件中的 ID3 决策树算法对广西师范学院 计算机专业的学生成绩做分类分析。 决策树是一种利用信息论原 理对样本的属性进行归纳分类产生的树形结构。 构建决策树的基本步骤为： （1）连续属性离散化 （2）选择测试属性构造决策树 （3）决策树剪枝 3. 利用 orange 的 id3 算法分析高校学生成绩 在利用 orange 中的决策树算法对高校学生成绩进行分析之 前，进行数据采集， 并将数据处理成算法所需的数据格式等步骤。 下面详细介绍分析过程： 数据采集 本文以广西师范学院计算机与信息工程学院的 3 届学生成 绩为例，对其进行处理分析。所采到的原始数据信息表包括：学 生的基本信息表、 学生学科成绩表， 其中学生学科成绩表包含了 学生大学四年所修的所有学科的成绩数据。 原始学生成绩表如表 1 所示： 表 1 学生成绩信息 原始学生基本信息表如表 2 所示（基于保密原则， 给出格式， 学生具体信息不便透露）： 表2 学生基本信息 表3 学生成绩分布处理字段说明 Codedesign :程序设计成绩；math：数学成绩；P.E.:体育 成绩; Introduceofcomputer ：计算机导论成绩 ; English ：英语成 绩 ; Total ：总成绩 ; area ：籍贯 ; sex ：性别 ; result ：等级评定 ; 表 4 整理后的部分学生成绩表 codedesign math P.E. English introduceofcomputer area sex result 1.3 1.8 1.7 0.7 M 1 C 1.5 1.2 1.8 1.5 0.7 E 1 D 1.4 1.8 1.5 0.7 W 1 C 1.4 1.9 1.3 0.6 E 1 D 数据预处理 （1）数据清洗 在收集到的数据中， 往往包含着许多与挖掘任务无相关、 冗 余的属性。为提高决策树算法的效率， 需要对原始数据进行清洗。 学生基本信息表的清洗：只保留性别、籍贯两个属性。 学生成绩信息表数据量大， 科目繁多。 为能够在成绩分类挖 掘中进行统一比较，本文只选取了部分科目成绩进行整理比较。 这些科目成绩分别是：程序设计成绩、数学成绩、体育成绩、英 语成绩和计算机导论成绩数据。 （2）数据规范化 学校的学生成绩信息是用百分制记录， 不符合 ID3 算法数据 需离散型的要求， 故应 ID3 算法的要求， 数据源整理为离散型变 量。 性别数据处理：男为 1，女为 2; 籍贯数据处理： 本次收集到的学生数据以广西学生为多， 桂 南为S,桂北为N,桂东为E,桂西为W桂中为M广西以外地 区以 another 表示。 成绩数据离散化处理： 由于原始成绩都为百分制, 使得数据 过于连续,难以进行区分。处理方法为：将总成绩除以一百,再 进行四舍五入。例：在其中一组数据 49 份 P.E. 成绩中,学生的 分数从 158分至 192 分不等, 出现三十余组数据。 将其成绩除以 100再四舍五入,如 158分的成绩将化为 1.6, 192 分的成绩则 化为 1.9 。整组 P.E. 成绩便被划分为了： 1.6 、1.7 、1.8 、1.9 四个组别。 经过预处理后, 得到的学生信息表内容如表 3 所示, 部分数 据整理示例如表 4 所示. 实验步骤 （1）打开 orange 软件。 （2）使用 File 部件负责所需分析数据的导入, Classification 部件负责分类算法的选择, Classification Tree View