決策樹分類法在自考生學習行為分析中的應用

魏 萌

?

決策樹分類法在自考生學習行為分析中的應用

魏 萌

【摘 要】本文通過對考生數據的分析找出影響考生學習行為的因素，為考試管理部門提供決策依據，提高自學考試畢業率，使管理更加人性化。

【關鍵詞】決策樹 自考 學習行為分析

一、學習行為分析方法的選擇

（一）考生個人因素

如性別、身體狀況、工作和考前學歷等，對應考生信息中的性別、年齡、職業、學歷層次；

（二）學習過程中的因素

如考生考試成績、學習方式和重修課程的門數、次數等，可以從考試信息中的報考科目、成績等統計而來。

分析以上因素與考生畢業情況之間的關系，可以利用數據挖掘技術中的決策樹歸納分類方法來實現。決策樹依賴于手頭的數據，一般具有很好的準確率，其構造適合于探測式知識發現，可以處理高維數據，用一種類似于流程圖的樹結構形式表示，易理解，可以根據樹結構總結潛在的規則，為決策者提供理論依據。

二、數據準備

將正常畢業考生與末正常畢業（即已放棄自學考試）考生進行對比分析，需要選取相應的數據記錄做為決策樹的訓練樣本集。正常畢業考生可以直接從畢業生檔案庫中提取，而末正常畢業考生的確定方法卻不明確。由以往的經驗分析，末正常畢業考生即從第一次報名開始，到現在已經超過正常畢業生學習的周期，且最近沒有再報考任何課程，即判定其為放棄考試的考生。

按照需求分析中確定的兩方面影響因素，從數據倉庫的成績分析主題中提取考生個人信息的相應屬性：準考證號、性別、年齡層次、職業類別和考前學歷類別。而考生的學習信息要從報考和成績數據中反映，而每個考生的報考和成績信息有很多，為了方便數據挖掘，決定由這些信息形成綜合性的數據以供分析。

因為考生課程多次不及格對考生繼續學習的信心影響很大，所以從報考數據中將每個考生的公共課和專業課分別統計出重考的次數，并合計重考課程的總次數。

三、分類決策樹的實現

在SPSS Clementine的決策樹分析功能中，設置因變量為考生類別，即對正常畢業考生及末正常畢業考生進行分類，選擇年齡層次、性別、考前學歷等做為自變量，分析以考生類別為指導的類別劃分。

通過多次實驗，為避免生成的樹結構過于復雜，限定樹深度為6，顯著性水平為0.05。最后實現的分類決策樹模型圖（圖略）。

同時，為驗證分類決策樹的可用性，在樣本集中分割10%的元組做為檢驗集。得到決策樹模型的數據預測準確率平均值有86.4%，準確率較高。

四、分類模型解釋

決策樹模型圖中，由樣本集訓練和構建出的決策樹模型中可以看出，CHAID算法按各屬性的信息增益進行分類的情況：

第一：節點0為考生總體樣本集；

第二：節點1-3是在樣本集上按信息增益最大的屬性：考前學歷，分別劃分出02（本科）和04（中專）、05（高中）、03（大專）和06（初中以下）三類子集；

第三：節點4-6是在考前學歷為02（本科）和04（中專）的樣本子集中按其信息增益最大的屬性：重考次數，又劃分出了重考0次和1次、2次、2次以上三類。后面的節點依此類推。

每個節點定義信息表中，詳細列出了因變量不同值對應的樣本數量和在子集中所占百分比，百分比差別越大，則分類越清晰，越便于形成有效規則。同時，我們可以發現并不是每個自變量都會進入決策樹，也就是有些考生屬性對于形成分類結果影響較小，或分類樹層次超過規定的深度被截取。

通過對決策樹各節點的數據及路徑分析，可以發現影響考生能否正常畢業的一些有用規則有：

第一：各節點中只有一個節點分類百分比為100%，即節點21。從根節點到其的通路規則為：xl_dm=03 or xl_ dm=06 and ckcs=2 and zylb≠6 ，可以解釋為學歷為大?；虺踔屑耙韵碌脑诼殻ǚ菍W生）考生，當重考2次后就都放棄了自學考試。

第二：從節點18可以提取規則：高中學歷25歲以下的學生、待業人員和基層生產人員選擇自學考試做為提高學歷的方式后，95.2%會堅持學習直到畢業。

第三：從節點6可以提取規則：學歷為本科或中專的考生，如果在課程不及格時堅持學習并重考2次以上的，92.9%會堅持學習直到畢業。

根據以上規則和決策樹中其它分類情況，以及對有關結果的進一步統計，可以將考生分為3類：

第一：高中學歷25歲以下的學生、待業人員和基層生產人員是自學考試畢業生中比較穩定的人群。第二：大?；虺踔屑耙韵碌目忌艞壸詫W考試的比例最大。第三：具有本科學歷的考生人數占自考總人數的比率非常小，比率最大的是中專學歷的考生，情況最復雜。

以上對于決策樹分類模型的分析，將為自學考試管理者提供影響考生畢業的一些因素，可以根據這些分析結果，對不同特點的考生人群提供更有針對性的幫助，或調整相關政策以更適應廣大考生的需求。

參考文獻：

［1］錢峰．國內數據挖掘工具研究綜述［J］．情報雜志，2008（10）：11～13．

［2］王源．改進決策樹算法的應用研究［J］．電子科技，2010（09）：32～33．

作者簡介：魏萌（1977-），女，碩士，長江職業學院教師，講師，研究方向：數據挖掘。