基于糊模ID3算法的高校學生流失數據挖掘研究

趙永暉

摘 要： 目前高校不斷擴招，生源卻逐漸減少，于是預防和減少學生流失正成為各高校必須面對的問題。通過對高校學生流失情況進行數據挖掘，可發現一些有價值的信息，為解決高校學生流失問題提供幫助。基于糊模理論提出了糊模ID3算法，并將該算法運用于分析高校學生流失原因之中。通過實驗證明，該算法生成的決策樹更加合理，分類速度更快，為解決高校學生流失問題提供了理論依據。

關鍵詞： 學生流失； 數據挖掘； 糊模ID3算法； 決策樹

中圖分類號：TP311.1 文獻標志碼：A 文章編號：1006-8228（2014）03-36-02

0 引言

我國高等教育歷經十多年的改革發展，各高校不斷擴大招生規模，學校也越來越多，而參加高考的人數近年來卻逐漸減少，所以生源競爭日趨激烈，生源質量也有所下降，同時，學生流失在當前各高校是一個十分普遍的現象，這些對高校的管理和教學是一個挑戰，而如何預防和減少學生的流失則成為各高校需要迫切解決的問題[1]。

高校在發展的同時，也積累了大量的學生個人信息數據。在這些海量的數據中隱藏著一些內在的聯系和規律，對分析研究高校學生流失的原因有很大的幫助。從海量數據中挖掘出有價值的信息，是預防和減少學生流失的一個重要手段。傳統的統計分析方法，只能獲取一些表面的信息，有很大的局限性，分析和預測的結果不夠理想。

目前，以ID3算法為代表的決策樹算法是數據挖掘中一種重要的方法，該算法是1986年由Quinlan提出的[2]，但該算法對不精確、不確定信息的處理能力較弱。糊模ID3算法基于糊模理論提出對ID3算法的一種推廣，綜合了模糊理論和決策樹的優點，不僅具有很強的分類處理能力，而且能很好地處理模糊性和不確定性問題[3]。

1 模糊決策樹

1.1 ID3算法

決策樹的算法中最典型的是ID3學習算法，它采用分治策略，通過遞歸構造決策樹，在樹的結點上采用信息增益最大的屬性作為分枝屬性，具有容易理解、處理速度快等優點。

1.2 糊模ID3算法

模糊決策樹學習算法有很多，比較常見的是糊模ID3算法，它是模糊理論在ID3算法中的運用，主要用于處理模糊和不確定的信息。它也采用了分治策略，在構造模糊決策樹時，選取最小模糊信息熵作為節點屬性選擇標準。

設有經過模糊后的示例集合V={V1，V2，…，Vn}，模糊特征屬性A={A1，A2，…，Am}，模糊類屬性C={C1，C2，…，Cj}，每個屬性Ai的屬性值K（Ai）={ai1，ai2，…，aiki}（i=1，2，…，m），隸屬度umn表示第m個示例Vm關于第n個屬性的值，它是K（Am）上的模糊子集。

對于數據集V的信息增益G（Ai，V）的計算公式如下：

公式⑴

其中，，j為分類個數，。

構建模糊決策樹過程如下：選取一個結點中的任一個屬性值Ai，根據公式⑴計算出每個屬性Ai對于數據集V的信息增益G（Ai，V），從所有屬性值中選取最大信息增益的屬性作為測試屬性，根據這個屬性進行模糊分割，得到其他節點，并依次判別是否葉子節點，重復以上的過程，直到每一個結點都是葉子為止。

葉子節點產生的條件：①測試屬性全部用完；②當前節點的模糊分割的隸屬度之和小于給定的閾值α；③當前節點中僅包含一類的示例。

2 利用模糊決策樹分析學生流失

各高校都有學生信息管理系統，積累了大量的學生考試成績數據和其他學生基本情況信息，這為數據挖掘提供了基礎條件。通過把糊模決策樹算法運用于學生信息數據庫中，利用數據挖掘技術，挖掘出有價值的信息，以供分析學生流失的原因。

2.1 數據模糊化處理

分析學生流失的原因，勢必要討論評測學生的各項指標，如學生專業課考試成績、大學英語、技能水平和性別等。其中專業課考試成績、大學英語是百分制數據，比較特殊，是離散型數據。

在以往的數據挖掘過程中，離散型數據劃分成若干個區間，得到一個符號類屬性，但在臨界處會突變，從而增加誤差。如規定大學英語成績在90到100之間為優，若甲學生的成績為90分，評價為優，而乙同學成績為89分，評價為良，其實兩個同學成績非常接近，英語水平相差無幾，現強行區分成兩個等級，很明顯增加了誤差。這是采用決策樹ID3算法的一個缺點，所以對于模糊數據，采用糊糊決策樹算法是比較科學。

本文的原始數據是我校2006級到2010級學生的成績和相關一些基本情況信息，主要包括學生的姓名、性別、身份證號、地址、民族、籍貫、各門功課的成績、技能成績等。收集數據后，把各門功課的成績求出平均值作為學生的專業課成績，抽取了一部分作為訓練集，同時根據分析學生流失原因的需要，去掉了學生的民族、籍貫和地址等一些與流失不太相關的屬性，并對數據進行了模糊化處理，處理后得到數據如表1所示。

表1 模糊處理后的訓練集（學生信息表）

[編號＼&性別＼&專業成績＼&專業技能＼&文理科＼&是否流失＼&男＼&女＼&優＼&良＼&中＼&差＼&強＼&中＼&弱＼&文＼&理＼&是＼&否＼&1＼&0＼&0＼&0.7＼&0.2＼&0.1＼&0＼&0.1＼&0.6＼&0.3＼&0＼&1＼&0＼&1＼&2＼&1＼&0＼&0.1＼&0.7＼&0.2＼&0.1＼&0.7＼&0.1＼&0.2＼&1＼&0＼&0＼&1＼&3＼&1＼&0＼&0.8＼&0.1＼&0.1＼&0＼&0.3＼&0.6＼&0.1＼&1＼&0＼&0＼&1＼&4＼&0＼&1＼&0.8＼&0.1＼&0＼&0.1＼&0.1＼&0.2＼&0.7＼&0＼&1＼&0＼&1＼&5＼&1＼&0＼&0.5＼&0.2＼&0.1＼&0.2＼&0.2＼&0.3＼&0.5＼&0＼&1＼&1＼&0＼&6＼&0＼&1＼&0.7＼&0.2＼&0.1＼&0＼&0.1＼&0.3＼&0.6＼&0＼&1＼&0＼&1＼&7＼&1＼&1＼&0.6＼&0.2＼&0.1＼&0.1＼&0.5＼&0.3＼&0.2＼&0＼&1＼&0＼&1＼&8＼&0＼&1＼&0.6＼&0.2＼&0.1＼&0.1＼&0.8＼&0.1＼&0.1＼&1＼&0＼&0＼&1＼&9＼&1＼&0＼&0.1＼&0.2＼&0.6＼&0.1＼&0.4＼&0.1＼&0.5＼&0＼&1＼&1＼&0＼&……＼&90＼&1＼&0＼&0.8＼&0.2＼&0＼&0＼&1＼&0＼&0＼&0＼&1＼&1＼&0＼&]

2.2 構造模糊決策樹

采用1.2節介紹的構建模糊決策樹過程構造模糊決策樹，閾值α=0.7。由于計算過程比較復雜，在這里不詳細敘述，僅給出糊模ID3算法生成的部分模糊決策樹，如圖1所示。

[D＼&專業成績＼&][D∩優＼&0.89＼&][D∩良＼&專業技能＼&][D∩中＼&0.34＼&][D∩差＼&0.27＼&] [優][良][中] [差][0.72＼&][0.90＼&][0.46＼&] [強][中][弱]

圖1 部分模糊決策樹

2.3 決策推理

一個嚴格決策樹可以轉變成一個規則集合[4]。模糊決策樹與ID3決策樹一樣可以轉變成相應的模糊規則。從根節點開始，沿著決策樹的分支，通過屬性值向下搜索到葉節點，即為一個規則。輸入一個樣本，依次從根節點到葉節點的順序進行決策，由于模糊決策樹中的樣本可能同時被劃分到多個葉節點上，因此結果為[0 1]之間的隸屬度。

在本例中，根據模糊決策樹轉換得到的一組模糊規則挖掘到一些有價值的信息。

專業成績優秀學生流失可能性小，這是因為專業成績優秀的學生學習興趣高，自信心足，學習目標明確。專業技能強但專業成績良的學生也不太會流失，主要原因是這類學生動手能力強，學習技能熱情高，就業前景好。專業成績中等，專業技能一般的學生流失與不流失概率差不多，因此這部分學生是最需要關注的，要及時指導他們的學習，培養其學習興趣，加強溝通，了解原因，防止學生流失。專業成績和技能都比較差的學生流失可能性最大，主要原因是對專業不感興趣，學習動力不足，基礎較差等。

2.4 實驗結果比較與分析

為了驗證本文提出的模糊決策樹算法的有效性，針對表1中模糊處理后的高校學生流失數據信息，分別采有ID3算法和糊模ID3算法進行了分析，結果如表2所示。其實驗環境如下：Intel Core（TM2） Duo CPU 1.83GHz，2G內存，Windows Vista，Matlab7.0[5]。

表2 實驗結果

[算法名稱＼&訓練精度＼&測試精度＼&運行時間/s＼&ID3算法＼&0.86%＼&0.72＼&9.7＼&糊模ID3算法＼&0.84%＼&0.79＼&7.6＼&]

實驗結果表明，在測試精度和運行時間兩個方面糊模ID3算法比ID3算法更優。由于ID3算法與訓練數據過度適應，ID3算法比糊模ID3算法的訓練精度更高。在各種現象中，往往存在著許多事物，不能簡單劃分到某一個區間，存在著不確定性，而糊模ID3算法能很好地體現不確性。ID3算法由于生成規則是明確的，沒有反映出不確定性，所以糊模ID3算法具有較強的分類能力及穩健性，規則以一定的隸屬度表示，知識的表示更為自然，更加容易理解。

3 結束語

為了解決ID3算法對不精確、不確定信息的處理能力較弱的問題，基于糊模理論提出了糊模ID3算法，并將算法應用于高校學生流失原因分析和預測，并利用我校的學生信息數據進行了實驗。實驗結果表明，糊模ID3算法用于高校學生流失原因分析中，生成的決策樹更加合理，精度和速度更優，知識的表示更為自然，更容易理解。這些優勢能很好地為高校管理提供準確的學生流失信息，為預防和減少學生流失提供了強而有力的理論依據。

參考文獻：

[1] 楊清波.高校學生流失問題分析及對策[J].科學咨詢（科技·管理），

2012.10：12-13

[2] Quinkm J R.Induction of decision tree[J]. Machine Learning，

1986.1（1）：81-106

[3] 楊斷利，張銳，王文顯.基于模糊決策樹的高校就業數據挖掘研究[J].

河北農業大學學報，2012.35（2）：111-113

[4] 張朝杰.一種基于模糊決策樹的軟件工作量估算方法[D].國防科學技

術大學，2010：21-22

[5] 張化光，劉鑫蕊，孫秋野.MATLIB/SIMULINK實用教程[M].人民郵電

出版社，2009.