摘 要數(shù)據(jù)挖掘技術(shù)對于處理還有大量數(shù)據(jù)的數(shù)據(jù)集具有十分重要的作用，而對于數(shù)據(jù)的分類中，我們常常使用決策樹分類法。該方法被廣泛用于處理數(shù)據(jù)的分類問題.決策樹分類法在我們的生產(chǎn)、生活、學(xué)習(xí)等數(shù)據(jù)挖掘中具有十分重要的作用，它是數(shù)據(jù)挖掘中進(jìn)行預(yù)測和分類研究的主要技術(shù)。

【關(guān)鍵詞】數(shù)據(jù)挖掘 決策樹 分類

數(shù)據(jù)挖掘中的分類任務(wù)主要是為了確定對象屬于哪個預(yù)定義的目標(biāo)類。在我們的日常生活中，這一問題普遍存在，例如我們會根據(jù)需要來檢查接受到的電子郵件是否為垃圾郵件。在數(shù)據(jù)挖掘中的所有分類方法里，決策樹分類法是一種最為簡單且被廣泛使用的分類方法。

1 決策樹分類法的工作原理

決策樹是一種由結(jié)點和有向邊組成的層次結(jié)構(gòu)，它主要有根節(jié)點、內(nèi)部結(jié)點和葉結(jié)點構(gòu)成。當(dāng)我們分析一個分類實例時可以先去建立一個決策樹，根據(jù)決策樹分類，從決策樹的根節(jié)點開始，將測試的條件用于記錄的檢驗，根據(jù)測試結(jié)果選擇相應(yīng)的分支到達(dá)另一個內(nèi)部節(jié)點，經(jīng)過一個新的選擇條件或者選擇相應(yīng)的分支到達(dá)一個葉節(jié)點。最終都會到達(dá)一個葉節(jié)點，這一葉節(jié)點的類別即為被賦值給此檢驗記錄的。

2 決策樹的建立過程

人們開發(fā)了一些決策樹構(gòu)造算法，主要采用的是貪吃算法的思想，利用局部最優(yōu)的方法來建立決策樹。算法分為兩步，第一步，決策樹的生成過程。第二步，決策樹的剪枝，如圖1所示。

3 決策樹構(gòu)造算法

（1）導(dǎo)入決策樹構(gòu)造過程中所需要的函數(shù)庫；

（2）查看需要構(gòu)造決策樹的源數(shù)據(jù)；

（3）通過rpart函數(shù)構(gòu)造一個決策樹；

（4）查看決策樹的一些具體的信息和內(nèi)容；

（5）繪制出決策樹圖；

（6）對決策樹進(jìn)行適當(dāng)?shù)募糁Γ乐惯^擬合，使得樹能夠較好地反映數(shù)據(jù)內(nèi)在的規(guī)律并在實際應(yīng)用中有意義；

（7）對剪枝后的決策樹圖進(jìn)行繪制，得到最終的決策樹，對其進(jìn)行相應(yīng)分析和研究。

4 決策樹技術(shù)在職業(yè)院校學(xué)生的成績分析中的研究與應(yīng)用

4.1 決策樹技術(shù)在職業(yè)院校學(xué)生的成績分析中的研究與應(yīng)用的意義

現(xiàn)如今，國家開始越來越重視職業(yè)教育，各個職業(yè)院校開始不斷的擴(kuò)大招生的規(guī)模，越來越多的學(xué)生開始選擇進(jìn)入職業(yè)院校去學(xué)習(xí)一門扎實的技術(shù)。這些改變不僅了影響了傳統(tǒng)的招生模式，也影響了教師對學(xué)生的成績的評定方法。對于職業(yè)院校的學(xué)生的成績并不能單純通過考試的分?jǐn)?shù)來評定學(xué)生的學(xué)習(xí)水平，而是要綜合考量學(xué)生的知識和技能水平。不少職業(yè)院校開始使用數(shù)據(jù)挖掘技術(shù)分析學(xué)生的學(xué)習(xí)成績，這不僅可以對學(xué)生的學(xué)業(yè)水平做出更科學(xué)的評定，而且對提高教學(xué)管理水平起到了很好的指導(dǎo)作用。

4.2 決策樹技術(shù)在職業(yè)院校學(xué)生的成績分析中的研究與應(yīng)用的過程

4.2.1 確定數(shù)據(jù)挖掘的對象及挖掘的目標(biāo)

本文對數(shù)據(jù)挖掘中的分類技術(shù)的研究，利用的是某校動畫設(shè)計班的Flash動畫制作課程的期末考試成績。通過決策樹技術(shù)，找到對于學(xué)生成績的主要影響要素，對教師的教學(xué)及學(xué)校的管理提供相應(yīng)的幫助。

4.2.2 數(shù)據(jù)的收集與預(yù)處理

我們將所要使用的數(shù)據(jù)進(jìn)行收集和整理，其中包括了20名學(xué)生的學(xué)號、出勤情況、上機(jī)作業(yè)的完成情況、成績、試卷難易、興趣。部分?jǐn)?shù)據(jù)如表1所示。

4.2.3 算法的選定

通過分析成績數(shù)據(jù)的特點，此次研究我們將采用決策樹技術(shù)中的ID3算法來建立決策樹。

第一步，計算熵

任課教師對學(xué)生的成績評定結(jié)果中等級為A的共有8人，等級為B的共有7人，等級為C的共有5人。我們把樣本數(shù)據(jù)S記為S1=8，S2=7，S3=5，計算熵。

Info（S）==0.469

第二步，計算信息增益

學(xué)生的出勤情況中，出勤較好等級為A的有7名同學(xué)，其中有5個測試成績?yōu)锳，2個為B；出勤為B的有10個同學(xué)，其中有3個成績?yōu)锳，5個成績?yōu)锽，2個成績?yōu)镃；出勤為C的有3個，成績均為C。計算熵：

Info（A）=0.26

Info（B）==0.447

Info（S）==0

計算增益：

Gain（出勤）=Info（S）-（7/20）*Info（A）-（10/20）*Info（B）-（3/20）*Info（C）=0.15

以上機(jī)作業(yè)作為根的決策樹的熵和增益：

Info（A）=0.26

Info（B）==0.47

Info（C）=0.29

Gain（上機(jī)作業(yè)）=Info（S）-（7/20）*Info（A）-（8/20）*Info（B）-（5/20）*Info（C）=0.118

以學(xué)生對于試卷難度的評定為根節(jié)點時：

Info（高）==0.47

Info（中）==0.45

Info（低）=0.3

Gain（試卷難度）=Info（S）-（7/20）*Info（高）-（11/20）*Info（中）-（2/20）*Info（低）=0.027

以學(xué)生興趣作為根節(jié)點時：

Info（感興趣）==0.37

Info（一般）==0.42

Info（不感興趣）=0.24

Gain（興趣）=Info（S）-（9/20）*Info（感興趣）-（7/20）*Info（一般）-（4/20）*Info（不感興趣）=0.11

比較上述屬性的增益值，我們可以得到出勤的增益最大，按照增益最大的原則我們把該結(jié)點作為根節(jié)點，并且有三個分支，然后再對其他子樹進(jìn)行遞歸計算，即可得到下中的決策樹，如圖2所示。

5 總結(jié)

觀察決策樹，我們可以發(fā)現(xiàn)，影響學(xué)生成績的最主要因素是學(xué)生的上課出勤情況，其次是上機(jī)作業(yè)的完成情況。上課出勤情況好，上機(jī)作業(yè)完成好的學(xué)生，考試成績均較高。因此任課教師和學(xué)校的管理部門，在以后的教學(xué)過程中應(yīng)該主要去抓學(xué)生的出勤和上機(jī)作業(yè)的完成以提高學(xué)生的學(xué)習(xí)成績和操作技能。

參考文獻(xiàn)

[1]袁琴琴.基于決策樹算法的改進(jìn)與應(yīng)用[D].西安：長安大學(xué)，2006.

[2]曲開設(shè).ID3算法的一種改進(jìn)算法[J].計算機(jī)工程與應(yīng)用，2003.

作者簡介

呂新穎，女，河北省秦皇島市人?，F(xiàn)為西華師范大學(xué)計算機(jī)學(xué)院研究生在讀。

作者單位

西華師范大學(xué)計算機(jī)學(xué)院 四川省南充市 637002