基于數(shù)據(jù)挖掘的學(xué)生考試成績(jī)分析研究

武警警官學(xué)院 四川 成都 610213

引言

軍事訓(xùn)練是部隊(duì)的中心工作，努力提高訓(xùn)練成績(jī)是部隊(duì)追求的目標(biāo)，更是基層單位抓的經(jīng)常性工作。隨著部隊(duì)實(shí)戰(zhàn)化訓(xùn)練的深入，傳統(tǒng)的訓(xùn)練成績(jī)分析方法已不能適應(yīng)科學(xué)組訓(xùn)的需要，無(wú)非是得到均值、方差、效度和可信度而已，只能從表面獲取部隊(duì)訓(xùn)練的成效，無(wú)法深層次反應(yīng)訓(xùn)練成績(jī)間的關(guān)聯(lián)與特點(diǎn)，并不能從隱藏的因素中尋找真正影響訓(xùn)練成績(jī)的核心環(huán)節(jié)。數(shù)據(jù)挖掘能為決策者提供重要的、極有價(jià)值的信息或知識(shí)，從而產(chǎn)生不可估量的效益。雖然數(shù)據(jù)挖掘產(chǎn)品尚不成熟，但其市場(chǎng)份額卻正日益擴(kuò)大，越來(lái)越多的大中型企業(yè)開(kāi)始利用數(shù)據(jù)挖掘來(lái)分析公司的數(shù)據(jù)以輔助決策，數(shù)據(jù)挖掘正逐漸成為在社會(huì)市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地的法寶。為訓(xùn)練成績(jī)的分析提供科學(xué)的依據(jù)，為改進(jìn)訓(xùn)練及弱勢(shì)科目的改進(jìn)具有重要意義。

1 成績(jī)分析整體方案

科目與科目成績(jī)之間的關(guān)系，使用關(guān)聯(lián)規(guī)則分析總體流程圖為圖1所示。

圖1 運(yùn)用關(guān)聯(lián)規(guī)則分析流程圖

2 Apriori算法步驟

2.1 關(guān)聯(lián)算法過(guò)程 Apriori算法[1-3]主要利用逐層搜索的迭代方法進(jìn)行挖掘，其中k項(xiàng)集用于尋找k+1項(xiàng)集。首先通過(guò)完整的掃描數(shù)據(jù)庫(kù)，累計(jì)每個(gè)項(xiàng)的出現(xiàn)次數(shù)，并收集符合最小支持度的項(xiàng)，找出頻繁1項(xiàng)集的集合。該集合記為L(zhǎng)1。然后，利用L1找出頻繁2項(xiàng)集的集合L2，再次利用L2找出L3，如此下去，直到不能再找出頻繁k項(xiàng)集。找出的每個(gè)Lk需要在數(shù)據(jù)庫(kù)一次完整的掃描。它可以用于挖掘事件數(shù)據(jù)集內(nèi)有價(jià)值的、未知的卻又實(shí)際存在的數(shù)據(jù)關(guān)系，找到這些關(guān)系——關(guān)聯(lián)規(guī)則，并利用即可達(dá)到某些預(yù)測(cè)功能。算法流程圖如圖2所示。

圖2 運(yùn)用Apriori算法分析流程圖

2.2 挖掘頻繁項(xiàng)集具體實(shí)現(xiàn)

1.連接步:連接的作用是生成候選K項(xiàng)集。對(duì)預(yù)先設(shè)定的最小支持度，通過(guò)對(duì)項(xiàng)數(shù)為1的候選1項(xiàng)集C1，刪除小于最小支持度的項(xiàng)集得到頻繁1項(xiàng)集L1；然后L1由通過(guò)與自身連接生成候選2項(xiàng)集C2，保留C2中滿(mǎn)足最小支持度的項(xiàng)集，得到頻繁2項(xiàng)集L2；而后由L2與L2連接生成候選3項(xiàng)集C3，保留C3中滿(mǎn)足最小支持度的項(xiàng)集得到頻繁3項(xiàng)集L3，如此不斷循環(huán)，將會(huì)得到頻繁項(xiàng)集Lk。

2.剪枝步:緊跟著連接步后面的就是剪枝，剪枝的作用通過(guò)對(duì)比最小支持度，將不滿(mǎn)足的項(xiàng)集剔除掉，為下一步的運(yùn)算縮小搜索空間的范圍。因?yàn)轭l繁項(xiàng)集的所有非空子集也是頻繁項(xiàng)集，則Lk-1與Lk-1連接生成Ck也是頻繁項(xiàng)集。

3.先驗(yàn)性質(zhì):頻繁項(xiàng)集的所有非空子集也是頻繁項(xiàng)集。其流程圖如圖3所示。

圖3 Apriori算法流程圖

3 實(shí)驗(yàn)結(jié)果及分析

采用Matlab語(yǔ)言進(jìn)行編寫(xiě)，需要將等級(jí)用字符代替，其關(guān)系表如表1所示:

表1 科目等級(jí)與字符對(duì)應(yīng)關(guān)系表

挖掘12000條關(guān)聯(lián)規(guī)則，如表2所示。

表2 篩選后的關(guān)聯(lián)規(guī)則

3 C1→Z2 37.7193% 79.6296% 3 C2→Z2 35.9649% 89.1304%4 D1→Z2 15.7895% 85.7143% 4 D2→Z2 43.8596% 84.7458%5 E1→Z2 77.1930% 83.8095% 5 E2→Z2 - -6 F1→Z2 49.1228% 91.8033% 6 F2→Z2 18.4211% 95.4545%7 G1→Z2 - - 7 G2→Z2 48.2456% 82.0896%8 H1→Z2 - - 8 H2→Z2 73.6842% 84.8485%9 I1→Z2 5.2632% 85.7143% 9 I2→Z2 74.5614% 81.7308%

得到科目規(guī)則關(guān)系如圖4、圖5所示。

圖4 單科目?jī)?yōu)秀與總評(píng)良好的規(guī)則

為提取出多個(gè)科目之間對(duì)總評(píng)的影響，使用主成分分析法將“重要”科目先篩選出來(lái)，而后利用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則分析，選取兩個(gè)科目進(jìn)行分析，提取出兩個(gè)科目與總評(píng)成績(jī)的規(guī)則如下。通過(guò)主成分分析法，得到的兩個(gè)科目分別為“科目7、科目8”，將兩個(gè)科目個(gè)等級(jí)的成績(jī)兩兩組合與總評(píng)良好之間的規(guī)則表如表4所示。

圖5 單科目良好與總評(píng)良好的規(guī)則

表4 科目7、科目8與總評(píng)關(guān)聯(lián)規(guī)則

由上表可知，可以得到刺殺與擒敵術(shù)兩個(gè)科目的成績(jī)與總評(píng)成績(jī)之間的關(guān)系，例如:“G2，H2→Z2”表示當(dāng)刺殺與擒敵都取得良好的成績(jī)時(shí)，總評(píng)取得良好的成績(jī)的概率為43.8596%。而“G4，H2→Z2”表示刺殺取得及格，擒敵取得良好的情況下，總評(píng)良好的概率為28.9474%。其余科目與科目或與總評(píng)成績(jī)之間的關(guān)系可以在結(jié)果中查找并進(jìn)行分析。

4 結(jié)論

本文運(yùn)用Apriori算法主要在給定支持度與置信度的情況下對(duì)科目與科目，科目與總評(píng)之間的關(guān)聯(lián)規(guī)則的分析，結(jié)果較為詳實(shí)，有較強(qiáng)的參考性。