關(guān)聯(lián)規(guī)則算法在計算機等級考試成績分析中的應(yīng)用

鄭秀月

（福州黎明職業(yè)技術(shù)學(xué)院，福建 福州 350001）

一、關(guān)聯(lián)規(guī)則

（一）關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘過程中不可或缺的算法規(guī)則，是當(dāng)前在數(shù)據(jù)挖掘領(lǐng)域被普遍采用的甚至有可能是使用最為頻繁、應(yīng)用范圍最為廣泛、研究最為深入的數(shù)據(jù)挖掘手段之一。

關(guān)聯(lián)規(guī)則的挖掘一般可以通過兩步程序來完成。第一步，定義高頻項和高頻項集合。高頻項為所有出現(xiàn)頻率相對高的項；所有高頻項的集合即為高頻項集，也就是支持度大于用戶給定的最低支持度的所有項的集合［1］。第二步，尋找高度關(guān)聯(lián)的規(guī)則。即從高頻度集合中找出確信度高的規(guī)則，也就是確信度比用戶給定的最低確信度大的規(guī)則［2］。

（二）Apriori 算法

Apriori 算法的重要之處在于其能影響高頻度集合的產(chǎn)生的準(zhǔn)確度，是人們在運用數(shù)據(jù)挖掘技術(shù)尋找關(guān)聯(lián)規(guī)則時最早使用的算法之一。通過采用對支持度按照相應(yīng)規(guī)則進行“剪枝”的技術(shù)，可以達到減少候選高頻度集合產(chǎn)生的目的。

該算法通過逐層剖析的方法尋找出關(guān)聯(lián)規(guī)則，基本思想如下［3］：

第一步，規(guī)則A->B 是高確信度且B 只含一個項，則將類似的所有規(guī)則均提取出來。

第二步，將通過前一步驟篩選出來的規(guī)則的結(jié)果進行整合后重新生成候選規(guī)則。

第三步，刪除確信度低于最低確信度的規(guī)則，以達到滿足高度關(guān)聯(lián)規(guī)則的原則。

二、改進的Apriori 算法

Apriori 算法是在分析支持度和確信度的基礎(chǔ)上運算得出結(jié)論的，并未考慮所找出的不同規(guī)則對用戶的影響程度，所找到的很多規(guī)則往往對用戶的影響并不大，因此，這里引入了第三個參數(shù)影響度。

具體操作過程如下：對根據(jù)Apriori 算法產(chǎn)生的規(guī)則分別計算確信度和影響度，對于規(guī)則X->Y，影響度（RI）的公式如式1 所示。

其中，P(X )、P(Y )、P(XY )分別表示X、Y 以及X 和Y 同時出現(xiàn)的概率，經(jīng)改進后挖掘出的關(guān)聯(lián)規(guī)則除滿足支持度和確信度分別大于它們相應(yīng)的最小閾值外，還應(yīng)滿足影響度大于最小影響度閾值。

三、改進算法的應(yīng)用

由于考試中部分題型是平時的練習(xí)原題，這里不加以考慮，本文以福州黎明職業(yè)技術(shù)學(xué)院2017—2019 學(xué)年部分學(xué)生在福建省計算機一級等級考試中的成績和學(xué)生是否為學(xué)生干部、理論知識、操作能力（Word、Excel、PowerPoint）、錄入題的得分情況為研究對象，采用關(guān)聯(lián)規(guī)則中著名的Apriori 算法對它們進行挖掘計算，得出以上各因素對總成績優(yōu)秀率的影響。生成的成績表中列字段分別為姓名、性別、專業(yè)、年級、準(zhǔn)考證號、理論知識、Word 得分、Excel 得分、PowerPoint 得分、錄入題得分、是否為學(xué)生干部和總成績等數(shù)據(jù)。

（一）數(shù)據(jù)預(yù)處理

本文運用以下方法對上述收集到的成績表數(shù)據(jù)進行預(yù)處理：一是將成績表中少量屬性值為空的記錄采用平均值填充法；二是將缺考學(xué)生的數(shù)據(jù)剔除；三是將表中對挖掘結(jié)果不產(chǎn)生影響的字段剔除，如姓名、性別、專業(yè)、年級。經(jīng)過預(yù)處理后，剩下2500 條記錄。

（二）數(shù)據(jù)轉(zhuǎn)換

將上述預(yù)處理后學(xué)生的成績數(shù)據(jù)轉(zhuǎn)換為0、1、2 表示。具體的轉(zhuǎn)換規(guī)則如下：

計算機等級考試成績的證書分為兩個級別：優(yōu)秀、合格。總分大于等于85 分為優(yōu)秀用2 表示，60到84 分之間的為合格用1 表示，小于60 分的不達標(biāo)用0 表示。

將是否為學(xué)生干部、理論知識、Word、Excel、PowerPoint、錄入題等題型的得分情況也參照總成績正確率大于85%為優(yōu)秀，正確率在60%~85%為合格，否則為不達標(biāo)的方法進行等級劃分。劃分后選擇題的3 個檔分別為：25.5~30、18~24 以及小于24；理論知識3 個檔分別為22~26、16~21 以及小于16；Word 和 Excel 的 3 個檔分別為 12~14、9~11 以及小于9；PowerPoint 的 3 個檔分別為劃分 9~11、6.5~8 以及小于8；錄入題的3 個檔分別為5、3~4、0~2。查找高頻度集合時，用布爾型0與1表示更為方便，因此，將字段理論知識、Word、Excel、PowerPoint、錄入題、是否為學(xué)生干部、總成績分別用A、B、C、D、E、F、G 表示，A0 表示理論知識為不達標(biāo)，A1 表示理論知識為合格，A2 表示理論知識為優(yōu)秀；運用同一方式表示B、C、D、E、G；F0 表示非學(xué)生干部，F(xiàn)1 表示學(xué)生干部。經(jīng)轉(zhuǎn)換后最終生成的學(xué)生成績?nèi)绫? 所示。

表1 經(jīng)處理后的學(xué)生成績表

（三）實施數(shù)據(jù)挖掘

通過預(yù)處理上述2500 名學(xué)生的成績數(shù)據(jù)，事先假定確信度為0.5，假定影響度為1.2，假定最低的支持度為0.2，對上述轉(zhuǎn)換后的數(shù)據(jù)實施關(guān)聯(lián)規(guī)則挖掘。

首先，為找出影響成績優(yōu)秀的關(guān)鍵原因，從表1 中篩選出成績優(yōu)秀的記錄，刪除其余的記錄。

其次，分析上一步驟產(chǎn)生的成績優(yōu)秀的數(shù)據(jù)，分別運算得出各種影響因素不同等級的支持度計數(shù)填入1-集合的數(shù)據(jù)表F1 中。這里只將支持度高于最低支持度的記錄添加到F1 表中。

再次，對F1 表進行自然連接分析并按規(guī)則制作出候選1-集合，并根據(jù)相應(yīng)的支持度運用“剪枝”技術(shù)制作出2-集合。以次類推制作出高頻率K-集合［4］。

最后，計算根據(jù)上述步驟產(chǎn)生的各高頻度集合的非空子集的支持度、確信度和影響度，并與事先假定的最低的支持度、最低的確信度和最低的影響度分別進行比較，保留滿足最低的支持度和最低的確信度的記錄［5］，最終產(chǎn)生高度關(guān)聯(lián)規(guī)則。經(jīng)過數(shù)據(jù)挖掘得到關(guān)聯(lián)規(guī)則如表2 所示。

表2 關(guān)聯(lián)規(guī)則表

（四）結(jié)果分析

由表2 可以得出：理論知識和Word 得分同時為優(yōu)秀時，總成績有75%優(yōu)秀的可能性；理論知識、PowerPoint 的得分優(yōu)秀同時為學(xué)生干部時，總成績有95%優(yōu)秀的可能性；理論知識成績?yōu)楹细瘛xcel 得分為優(yōu)秀時，總成績有90%優(yōu)秀的可能性；理論知識、Word 和Excel 得分均為優(yōu)秀時，總成績有80%優(yōu)秀的可能性；Excel 和總成績優(yōu)秀時，理論知識優(yōu)秀、PowerPoint 得分良好的可能性有80%；Excel 得分優(yōu)秀時，Word 和錄入題得分同時優(yōu)秀的可能性為90%；總成績優(yōu)秀而且為學(xué)生干部時，理論知識為優(yōu)秀同時PowerPoint 得分為合格的可能性為95%；總成績?yōu)閮?yōu)秀時，理論知識為合格同時Excel 得分優(yōu)秀的可能性為92%。

通過上述數(shù)據(jù)挖掘過程，找出隱含在其中的一些有意義的規(guī)則，如不同題型間得分的關(guān)聯(lián)，是否為學(xué)生干部對Word、Excel、PowerPoint得分的影響，某些題型得分的優(yōu)秀對總分的影響程度。針對如何提高優(yōu)秀率，提出以下建議：

首先，理論知識掌握的優(yōu)良程度對總分是否優(yōu)秀起著決定性作用。因此，教師在教學(xué)過程中要重視理論知識的教學(xué)并提示學(xué)生予以正確對待。

其次，學(xué)生干部經(jīng)常會幫助院部、系部整理一些文檔，Office 部分的三種題型相對掌握都挺好，能直接決定成績的優(yōu)良，所以要鼓勵學(xué)生課后對課堂所學(xué)的操作知識多加練習(xí)，做到熟能生巧。

再次，Excel 作為試卷中最難的一部分，此題的得分情況能客觀體現(xiàn)學(xué)生的計算機操作水準(zhǔn)。數(shù)據(jù)挖掘的結(jié)論顯示，如果學(xué)生對這部分知識掌握較好，Word 和PowerPoint 得分也相對較高，其總成績基本是優(yōu)秀的。教師通過觀察學(xué)生對Excel 的掌握程度就能快速找出基礎(chǔ)薄弱的學(xué)生，并可針對其理論缺陷加以重點輔導(dǎo)。同時，可以提醒在該環(huán)節(jié)中得分高的學(xué)生要重點關(guān)注理論知識的學(xué)習(xí)，爭取在等級考試中獲得更突出的成績。

（五）結(jié)果評價

將總成績?yōu)閮?yōu)秀的100條數(shù)據(jù)用于測試，得出結(jié)論是否為學(xué)生干部、理論知識、Excel 得分是影響總成績的關(guān)鍵因素，從而驗證了上述Apriori 算法產(chǎn)生的高度關(guān)聯(lián)規(guī)則是可信的。

結(jié)語

本文主要針對Apriori 算法中未考慮所產(chǎn)生的規(guī)則對用戶影響程度的問題，提出了影響度閾值的改進算法。并將改進的算法應(yīng)用到計算機一級等級考試成績分析中，從試卷題型等因素與總成績之間的關(guān)系角度進行數(shù)據(jù)挖掘，找出影響學(xué)生成績的關(guān)鍵因素，為教師改進教學(xué)方法提供參考，以此實現(xiàn)提高教師教學(xué)質(zhì)量并提高學(xué)生的計算機等級考試成績優(yōu)秀率的目的。