決策樹C44.5算法在學(xué)生成績(jī)分析中的應(yīng)用

商俊燕，陸兵，柏倩然

決策樹C44.5算法在學(xué)生成績(jī)分析中的應(yīng)用

商俊燕，陸兵，柏倩然

針對(duì)學(xué)院教務(wù)系統(tǒng)中日益增加的數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)找到這些數(shù)據(jù)間的聯(lián)系，能幫助學(xué)院管理人員提高管理質(zhì)量。決策樹算法是數(shù)據(jù)挖掘技術(shù)中用于分類預(yù)測(cè)，利用決策樹算法對(duì)教務(wù)系統(tǒng)中的數(shù)據(jù)進(jìn)行分析，找出各課程之間隱藏的關(guān)系，有利于提高教學(xué)質(zhì)量，提高高職院校的教學(xué)管理。

決策樹；數(shù)據(jù)挖掘；學(xué)生成績(jī)；

0 引言

目前，高校教務(wù)系統(tǒng)中積累的學(xué)生成績(jī)數(shù)據(jù)越來越多，對(duì)數(shù)據(jù)的處理主要還是集中在統(tǒng)計(jì)學(xué)生各科成績(jī)，學(xué)生的通過一次性通過率等簡(jiǎn)單的過程。利用數(shù)據(jù)挖掘技術(shù)來分析現(xiàn)有系統(tǒng)中的數(shù)據(jù)、研究各門課程之間存在的聯(lián)系、分析影響學(xué)生成績(jī)的主要因素，可以幫助任課老師合理設(shè)計(jì)教學(xué)內(nèi)容，為教務(wù)管理者提供制定教學(xué)計(jì)劃、評(píng)價(jià)教學(xué)效果的數(shù)據(jù)支持。

1 決策樹

決策樹算法是一種人工智能的機(jī)器學(xué)習(xí)技術(shù)，用于實(shí)現(xiàn)數(shù)據(jù)內(nèi)在規(guī)律的挖掘和新數(shù)據(jù)對(duì)象的分類預(yù)測(cè)技術(shù)之一。它通過歸納和提煉現(xiàn)有數(shù)據(jù)所包含的規(guī)律，建立分類預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)未來新數(shù)據(jù)的預(yù)測(cè)。利用決策樹來解決分類問題是，它對(duì)使用者來說容易使用，且生成后的規(guī)則容易理解、分類的精度高、對(duì)噪聲的健壯性也很好，因此，很多領(lǐng)域如醫(yī)療診斷數(shù)據(jù)、市場(chǎng)營(yíng)銷分析、金融評(píng)估系統(tǒng)、客戶分析等等都能使用決策樹算法來進(jìn)行分類預(yù)測(cè)。

C4.55決策樹算法是基于ID3 算法改進(jìn)而來的。C4.5算法以信息增益率為標(biāo)準(zhǔn)決定決策樹分支的準(zhǔn)則，尋找最佳分組變量和分割點(diǎn)，從而建立決策樹。

2 決策樹C4.5算法在學(xué)生成績(jī)中的應(yīng)用

利用決策樹算法對(duì)本院教務(wù)系統(tǒng)中的學(xué)生各科成績(jī)來進(jìn)行分析，分析各課程之間隱藏的內(nèi)在關(guān)系。在本文中主要利用專業(yè)的數(shù)據(jù)挖掘軟件SPPSS Clementinne來進(jìn)行挖掘分析。具體挖掘過程如下圖1所示：

圖1 決策樹處理過程圖

2.1 數(shù)據(jù)準(zhǔn)備

本文中用到的數(shù)據(jù)是本院教務(wù)管理系統(tǒng)中的學(xué)生各門課程的學(xué)習(xí)成績(jī)。在該項(xiàng)目中我們準(zhǔn)備了本院2013到2014學(xué)年第二學(xué)期信息工程系12電商331和122電商332班84位學(xué)生的各科成績(jī)表、學(xué)生基本信息表、課程表。其基本信息如圖2所示：

圖2 數(shù)據(jù)的基本信息圖

在這些數(shù)據(jù)中可能存在冗余數(shù)據(jù)、空值等情況，這些都會(huì)影響到數(shù)據(jù)模型的準(zhǔn)確率，因此，我們?cè)谶M(jìn)行數(shù)據(jù)挖掘前需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。

2.2 數(shù)據(jù)預(yù)處理

當(dāng)數(shù)據(jù)收集完成以后，數(shù)據(jù)還不能直接進(jìn)行挖掘，主要原因在于這些數(shù)據(jù)中可能存在不完整、有空值、含有噪聲等情況，需要對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，提高數(shù)據(jù)的質(zhì)量，有助于建立高準(zhǔn)確率的數(shù)據(jù)模型。

（1）數(shù)據(jù)集成

通過數(shù)據(jù)集成，我們把圖2中的3張表集合在一張表“綜合學(xué)生成績(jī)分析表”中，它包含的字段有：學(xué)號(hào)、姓名、性別、課程名、課程成績(jī)，該表中共有83條記錄。“綜合學(xué)生成績(jī)分析表”如表1所示：

1 綜合學(xué)生成績(jī)分析表

（2）數(shù)據(jù)質(zhì)量評(píng)估

高質(zhì)量數(shù)據(jù)是數(shù)據(jù)挖掘的前提和基礎(chǔ)，數(shù)據(jù)質(zhì)量評(píng)估是對(duì)現(xiàn)有數(shù)據(jù)的取值情況異常程度及缺失情況的綜合評(píng)價(jià)。通過數(shù)據(jù)質(zhì)量評(píng)估，發(fā)現(xiàn)數(shù)據(jù)中有若干字段下存在缺失值。通過分析發(fā)現(xiàn)產(chǎn)生缺失值主要有兩種原因：一是在收集過程中人為失誤造成，重新填入數(shù)據(jù)即可；二是由于學(xué)生因?yàn)槿笨蓟蛐輰W(xué)原因沒有數(shù)據(jù)，對(duì)于這種數(shù)據(jù)直接刪除記錄。通過評(píng)估整理，新的學(xué)生成績(jī)分析表中共有81條記錄。

（3）數(shù)據(jù)轉(zhuǎn)換和精簡(jiǎn)

在新數(shù)據(jù)表中，課程成績(jī)主要采用兩種方法來記錄：一是采用百分制，二是采用等級(jí)制，即使在等級(jí)制計(jì)分方式中，由于老師習(xí)慣，計(jì)分方式也不一致。課程成績(jī)記錄不統(tǒng)一，需要把它們轉(zhuǎn)換成統(tǒng)一的計(jì)分方式，具體變換規(guī)則如表2和表3所示：

表2 成績(jī)轉(zhuǎn)換表

表3 等級(jí)制轉(zhuǎn)換表

在我們集成的數(shù)據(jù)表“綜合學(xué)生成績(jī)分析表”中的每個(gè)字段不一定對(duì)建立的決策樹模型有用，如果把每個(gè)字段都用于決策樹模型，反而會(huì)增加模型的復(fù)雜度，降低模型的準(zhǔn)確率。因此，利用數(shù)據(jù)精簡(jiǎn)的方法來找出對(duì)決策樹模型沒有影響或影響程度不大的字段。通過精簡(jiǎn)，發(fā)現(xiàn)在“綜合學(xué)生成績(jī)分析表”中，學(xué)號(hào)、姓名、班級(jí)、體育這些字段中的取值對(duì)建立模型的相關(guān)度不高，因此，在建決策樹模型的時(shí)候忽略這些字段。新的“綜合學(xué)生成績(jī)分析表”中剩余字段包括課程名、成績(jī)等。

2.3 構(gòu)建決策樹模型

在本文中，我們利用SPSS CLEMENTINE12.0軟件中決策樹算法節(jié)點(diǎn)和預(yù)處理后的學(xué)生成績(jī)表來構(gòu)建決策樹模型和分類規(guī)則。形成的數(shù)據(jù)流節(jié)點(diǎn)如圖3所示：

圖3 決策樹數(shù)據(jù)流節(jié)點(diǎn)圖

對(duì)于電子商務(wù)專業(yè)學(xué)生，職業(yè)考工實(shí)訓(xùn)課程是必修課程，綜合考核學(xué)生掌握電子商務(wù)專業(yè)知識(shí)和專業(yè)技能的課程，因此，筆者將職業(yè)考工作為輸出變量。在建立決策樹模型時(shí)，我們將數(shù)據(jù)的70%作為訓(xùn)練集，30%作為測(cè)試集，生成的模型預(yù)測(cè)正確率為58.02%。

2.4 模型優(yōu)化

在決策樹分類模型中，樣本中可能還存在噪聲，對(duì)分類預(yù)測(cè)結(jié)果存在影響，針對(duì)這一情況，我們對(duì)決策樹進(jìn)行修剪，利用專家模式生成決策樹，每個(gè)分支最小記錄數(shù)都為2。根據(jù)不同修剪嚴(yán)重性生成決策樹，找出預(yù)測(cè)精度較高的模型。不同修剪嚴(yán)重性的預(yù)測(cè)精度如表4所示：

表4 不同修剪嚴(yán)重性決策樹模型預(yù)測(cè)精度表

從表4可以看出，當(dāng)修剪嚴(yán)重性設(shè)為30-60時(shí)模型精確度相對(duì)較高，我們采用修剪嚴(yán)重性為40。

2.5 決策樹模型分析

根據(jù)上述設(shè)置，決策樹分類規(guī)則如下：

規(guī)則1：如果電子商務(wù)安全技術(shù)=“不及格”并且電子商務(wù)項(xiàng)目策劃與管理=“不及格”，則職業(yè)考工實(shí)訓(xùn)=“不及格”。

規(guī)則2：如果電子商務(wù)安全技術(shù)=“中等”并且商務(wù)禮儀=“不及格”，則職業(yè)考工實(shí)訓(xùn)=“及格”。

如果電子商務(wù)安全技術(shù)=“及格”并且電子商務(wù)項(xiàng)目策劃與管理=“良好”并且就業(yè)與創(chuàng)業(yè)指導(dǎo)=“及格”，則職業(yè)考工實(shí)訓(xùn)=“及格”。

如果電子商務(wù)安全技術(shù)=“及格”并且電子商務(wù)項(xiàng)目策劃與管理=“良好”并且就業(yè)與創(chuàng)業(yè)指導(dǎo)=“良好”，則職業(yè)考工實(shí)訓(xùn)=“及格”。

如果電子商務(wù)安全技術(shù)=“良好”并且商務(wù)禮儀=“及格”，則職業(yè)考工實(shí)訓(xùn)=“及格”。

一些模擬聲音的詞語(yǔ)能讓讀者產(chǎn)生豐富聯(lián)想，教學(xué)中，可以抓住文本中的擬聲詞引導(dǎo)學(xué)生再現(xiàn)畫面，如：蘇教版二年級(jí)下冊(cè)《歌唱二小放牛郎》中“四下里‘乒乒乓乓’響起了槍聲，敵人才知道受了騙”。讀到這一句，學(xué)生不由得在座位上一邊用手做出打槍的樣子，一邊響亮地讀出“乒乒乓乓”這個(gè)詞語(yǔ)，相信他們已從這個(gè)詞中感受到戰(zhàn)斗的激烈的畫面及對(duì)敵人的仇恨的情感。在蘇教版二年級(jí)下冊(cè)《下大雨》中“嗚——哇，嗚——哇”，學(xué)生從中感受到雨點(diǎn)之大，讀到這里，一些學(xué)生還縮了縮脖子，感覺雨很大，雨聲就在耳旁。

規(guī)則 3： 如果電子商務(wù)安全技術(shù)=“中等”并且商務(wù)禮儀=“中等”，則職業(yè)考工實(shí)訓(xùn)=“中等”。

如果電子商務(wù)安全技術(shù)=“及格”并且電子商務(wù)項(xiàng)目策劃與管理=“優(yōu)秀”，則職業(yè)考工實(shí)訓(xùn)=“中等”。

規(guī)則 4：如果電子商務(wù)安全技術(shù)=“及格”并且電子商務(wù)項(xiàng)目策劃與管理=“中等”，則職業(yè)考工實(shí)訓(xùn)=“良好”。

如果電子商務(wù)安全技術(shù)=“及格”并且電子商務(wù)項(xiàng)目策劃與管理=“良好”并且就業(yè)與創(chuàng)業(yè)指導(dǎo)=“中等”，則職業(yè)考工實(shí)訓(xùn)=“良好”。

如果電子商務(wù)安全技術(shù)=“良好”并且商務(wù)禮儀=“中等”，則職業(yè)考工實(shí)訓(xùn)=“良好”。

規(guī)則 5：如果電子商務(wù)安全技術(shù)=“中等”并且商務(wù)禮儀=“及格”，則職業(yè)考工實(shí)訓(xùn)=“優(yōu)秀”。

如果電子商務(wù)安全技術(shù)=“中等”并且商務(wù)禮儀=“良好”，則職業(yè)考工實(shí)訓(xùn)=“優(yōu)秀”。

如果電子商務(wù)安全技術(shù)=“良好”并且商務(wù)禮儀=“優(yōu)秀”，則職業(yè)考工實(shí)訓(xùn)=“優(yōu)秀”。

如果電子商務(wù)安全技術(shù)=“良好”并且商務(wù)禮儀=“良好”，則職業(yè)考工實(shí)訓(xùn)=“優(yōu)秀”。

從規(guī)則集中看出，如果電子商務(wù)安全技術(shù)課程及格，電子商務(wù)項(xiàng)目策劃與管理成績(jī)“良好”并且就業(yè)與創(chuàng)業(yè)指導(dǎo)=“及格”或者就業(yè)與創(chuàng)業(yè)指導(dǎo)=“良好”，則職業(yè)考工實(shí)訓(xùn)成績(jī)可能“及格”。如果電子商務(wù)安全技術(shù)課程成績(jī)“及格”，電子商務(wù)項(xiàng)目策劃與管理課程成績(jī)“良好”并且就業(yè)與創(chuàng)業(yè)指導(dǎo)成績(jī)?yōu)?中等"，那職業(yè)考工實(shí)訓(xùn)成績(jī)“良好”可能性很大。如果電子商務(wù)安全技術(shù)成績(jī)?yōu)椤傲己谩辈⑶疑虅?wù)禮儀成績(jī)?yōu)椤爸械取保敲绰殬I(yè)考工實(shí)訓(xùn)成績(jī)?yōu)椤傲己谩薄Ｈ绻娮由虅?wù)安全技術(shù)成績(jī)?yōu)椤皟?yōu)秀”，則職業(yè)考工實(shí)訓(xùn)可能為“優(yōu)秀”。如果電子商務(wù)安全技術(shù)課程為“良好”并且商務(wù)禮儀成績(jī)“優(yōu)秀”，那么職業(yè)考工實(shí)訓(xùn)可能也為“優(yōu)秀”。電子商務(wù)安全技術(shù)課程、電子商務(wù)項(xiàng)目策劃與管理課程與職業(yè)考工實(shí)訓(xùn)相關(guān)度很大。這兩門課程也是電子商務(wù)專業(yè)的專業(yè)基礎(chǔ)課程，我們要重視專業(yè)基礎(chǔ)課程教學(xué)和建設(shè)。

3 總結(jié)

利用決策樹算法分析各課程之間的聯(lián)系，可以指導(dǎo)教務(wù)安排各課程之間的先后順序，有利于教師的教學(xué)和學(xué)生掌握知識(shí)，從而提高學(xué)院的教學(xué)質(zhì)量，為培養(yǎng)合格的高職人才打下結(jié)實(shí)的基礎(chǔ)。

[1]薛薇,陳歡歌.基于Clementine的數(shù)據(jù)挖掘[M].北京:中國(guó)人民大學(xué)出版社, 2012.

[2]王平霞,郝志廷.決策樹技術(shù)在高職院校學(xué)生成績(jī)分析中的應(yīng)用研究［J］.電腦知識(shí)與技術(shù),2013,13.

[3]孫麗英.數(shù)據(jù)挖掘在計(jì)算機(jī)等級(jí)考試中的應(yīng)用[J].計(jì)算機(jī)教育,2010,7(2):38-41.

[4]李紹中.數(shù)據(jù)挖掘改進(jìn)算法在學(xué)生成績(jī)分析中的應(yīng)用[J].科技通信,2012,28(8):208-212.

[5]徐鵬,林森.基于C4.5決策樹的流量分類方法[J].軟件學(xué)報(bào),2009，10,2692-2704.

[6]雷燕瑞.數(shù)據(jù)挖掘技術(shù)在高職成績(jī)分析中的應(yīng)用[J].軟件學(xué)報(bào),2013,34(12).

Applicatioo n of the Decision Tree e Algorithmm C4.5 in AAnalysis off Student GGrade

Shang JJunyan, Lu Binng, Bai Qianran
(Changzhou Innstitute of Lightt Industry Technnology)

To solve the pproblem with inncreasing dataquantity in thee college educattional administtration system，it uses the tecchnology off data mining tto make connecctions with these data so thatt it can help thee college administrators imprrove managemeent quality. DDecision Tree iss used to do claassification andprediction in ddata mining. It aanalyzes the daata of educationnal administratioon system byy using Decisioon Tree to find oout the hidden rrelationships off each curriculuum. That can beenefit the improovement of teacching qualitty and managemment of the colleege.

ds: The Decisioon Tree; Data MMining; Studentt Grade; the Deccision Tree Alggorithm

TP181

A

2014.12.25）

1007-757X(2015)04-0043-02

商俊燕（1978-），女，江蘇常州，常州輕工職業(yè)技術(shù)學(xué)院, 講師，本科，研究方向：數(shù)據(jù)庫(kù)及數(shù)據(jù)挖掘，常州，2133164

陸 兵（1967-），男，江蘇常州，常州輕工職業(yè)技術(shù)學(xué)院，副教授，本科，研究方向：數(shù)據(jù)庫(kù)及數(shù)據(jù)挖掘，常州，213164

柏倩然（1992-），女，江蘇常州，常州輕工職業(yè)技術(shù)學(xué)院，大專，研究方向：數(shù)據(jù)庫(kù)應(yīng)用，常州，213164