国民体质测试中数据挖掘的应用分析.docxVIP

PAGE 1 - 国民体质测试中数据挖掘的应用分析 国民体质测试中数据挖掘的应用分析 2813〔2021〕04〔a〕-0222-02 2021年《“健康中国2023〞规划纲要》的提出，标志着我国国民体质进展进入了一个新的阶段。自2000年起，我国落实每5年一次的国民体质测试工作，积存了大量国民体质测试数据，传统的数据处理方法不能够完全发掘出数据的价值，对国民体质的健康状况的测试精确率缺乏，难以进行科学评价。数据挖掘，是对数据库进行分析，挖掘所需信息并予以处理，是发觉所需学问的方法，具体包括数据分析、预处理及转换等。现阶段，我国在开展体质测试中，对数据挖掘这一技术的应用讨论较少，以致这一方法推广中遇到阻碍。本文运用关联规则对数据挖掘算法进行讨论，以期为这一技术的应用提供参考。 1讨论对象与方法 1.1讨论对象 本次讨论对象为西安市某高校学生3660人，数据来源与西安市体质测试讨论中心，体质测试与2021年8～11月完成。 1.2讨论方法 〔1〕首先构建高校学生体质测试的数据库，所用软件为SQLServer2021数据库，每个学生体质测试的项目类型多样。 〔2〕试验通过BIDevStudio软件，包括数据分析服务SSAS，数据集成服务SSIS，构建起关联规则的数据挖掘模型，创建决策树模型。 2关联规则数据挖掘 2.1数据预处理 目前，国民体质测试的数据库内，储存有海量数据，首先应实施预处理，对数据有出入之处加以纠正。数据预处理工作内容冗杂，过程为：数据清理、数值化，前者是将缺失值去除，对离群值进行分析。而数据的数值化是将体质测试的总评结果分为优秀、良好、合格、不合格4个层级。 2.2建立数据库 对于原始数据进行了数据预处理之后，留下了3482个测试数据其中男性1985人，女性1497人，个人信息涵盖体重、身高、年龄、性别、姓名、跳动、肺活量，体前屈、引体向上、台阶指数、反应时间、仰卧起坐，对每个测试对象进行编号。依据《国民体质测定标准》对原始数据处理，每个指标还需将体质等级、测试总分涵盖其中。 3结果分析 3.1挖掘结果 伴随挖掘数据量的提高，数据挖掘出的学问量也在增加，对其加以筛选，发掘出其中有用的学问。本次数据挖掘的结果如表1所示，表中表达了国民体质测试中单项指标与体质总评之间的关联规则，为本次讨论决策提供参考根据。关联规则数据挖掘中，通过规则形式来对结果进行表达，各关联规则内均须有相应的重要性、概率分析、适用对象及规则结果。 本次国民体质测试中数据挖掘出的关联规则包括新学问规则、验证性规则，这些规则在分析学问一般规律中，有重要价值，为国民体质测试后进行决策提供了重要的参考根据。 3.2规则解析 表1中列举的规则，可对不同单项指标给体质总评造成的影响予以反映。规则1说明，在体质总评结果为优秀的男生中，65.1%的跳动能力与肺活量测试指标为优;规则2则说明52.3%的跳越能力较为优秀的男生体质总评成果为良好;规则3说明有89.2%的总评成果为优秀的女生跳动能力与仰卧起坐测试成果都较为优秀;规则4反映出有45.4%总评成果为良好的女生仰卧起坐成果优秀;规则5说明有65.4%总评良好的女生仰卧起坐成果优秀，其身高体重规则也较为优秀;规则6说明48.9%的总评为良好的男生身高体重规则较为优秀，肺活量测试成果也较为优秀;规则7反映出有47.5%的进行台阶运动测试成果为优秀的女生总评结果为良好;规则8说明有44.7%总评成果为良好的女生肺活量测试成果较为优秀;规则9说明有62.4%总评成果为优秀的男生引体向上与反应时间都较为优秀。 4结语 依据数据挖掘的结果，对男女生需要接受不同的体质锻炼方法，男生着重于耐力与心肺功能的锻炼，帮助以爆发力与协调能力的锻炼，女生则着重于爆发力与心肺功能，帮助以协调与耐力的锻炼。本次数据挖掘结果得出的决策来自于数据挖掘出的相关规则，可以看出关联规则的数据挖掘在国民体质测试中具有较为优秀的表现，因此相关测试者在进行测试时，可以接受数据挖掘的方法进行体质测试，这样能够在大量的数据中精确地发觉有价值的数据，从而能够更为便捷地进行数据分析，为国民体质提升做出较为精准的决策，全面提升体质测试的效果。