苗維誠

（蚌埠醫(yī)學院 數(shù)理教研室，安徽 蚌埠 233030）

數(shù)據(jù)挖掘算法對于提高實驗報告質(zhì)量的作用探討

苗維誠

（蚌埠醫(yī)學院 數(shù)理教研室，安徽 蚌埠 233030）

為提高我校醫(yī)用物理實驗報告的質(zhì)量，本文運用數(shù)據(jù)挖掘決策樹C4.5算法對實驗報告進行處理分析，找出影響實驗報告質(zhì)量的關鍵因素，建立決策樹模型，提出改善的辦法.

實驗報告；數(shù)據(jù)挖掘；決策樹算法

1 引言

蚌埠醫(yī)學院數(shù)理教研室常年開設醫(yī)用物理學實驗課.實驗報告是實驗教學的一個重要環(huán)節(jié)，書寫實驗報告能鍛煉學生的分析、寫作、總結能力，培養(yǎng)學生的實驗素質(zhì)和科研能力，也是教師了解學生掌握知識的狀況和進行成績評定的依據(jù)[1].為提高物理實驗報告質(zhì)量，對學生的實驗報告進行分析，運用數(shù)據(jù)挖掘決策樹C4.5算法找出影響實驗報告質(zhì)量的關鍵因素.

2 數(shù)據(jù)挖掘C4.5算法介紹

2.1 定義

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程.決策樹C4.5算法是數(shù)據(jù)挖掘領域最具影響力的算法之一，在給定數(shù)據(jù)集合上運行C4.5算法可以得到一個從屬性值到類別的映射，進而可以用該映射去分類新的未知實例，最終形成決策樹[2].

2.2 公式

C4.5算法構造決策樹是以信息增益率作為分枝準則的，信息增益率表示分枝產(chǎn)生的有用信息的比率，選擇具有最大信息增益率的關鍵因素作為樹的根結點.

為了方便介紹C4.5算法的公式，先作如下假設：D表示一個訓練集Di，（i=1,2，…，m）表示D中m個不同類，那么對D中的元組分類所需的期望信息記為Info（D），也叫做D的熵，公式為：

假定按照屬性A將訓練集D劃分成n個不同的類，需要計算D關于屬性A的熵EntropyA(D).

計算訓練集D關于屬性A的信息增益Gain（A）的公式為：

分裂信息SplitInfoA(D)表示按照屬性A劃分訓練集D的廣度和均勻性，公式為：

信息增益率（GainRatio）的計算公式為：

3 C4.5算法在提高實驗報告質(zhì)量中的應用

3.1 數(shù)據(jù)的獲取

C4.5算法的數(shù)據(jù)來源于2016級臨床專業(yè)的學生，選取了476份實驗報告.為了方便數(shù)據(jù)的獲取，對實驗報告的四個方面分別進行打分，每項的總分都是10分，最后再給實驗報告一個總分，滿分100分.這四個方面為：（1）實驗報告的格式內(nèi)容.這里存在的問題主要是實驗報告內(nèi)容不完整，格式不規(guī)范，字跡潦草，抄襲書本原話，內(nèi)容雷同.（2）實驗數(shù)據(jù)的處理.主要問題是在數(shù)據(jù)處理上存在簡單錯誤，比如計算錯誤，單位錯誤，圖表格式不規(guī)范，還存在數(shù)據(jù)抄襲的現(xiàn)象.（3）實驗報告的討論總結.主要問題是學生的實驗總結很簡單，沒有深度和新意，沒有去查閱文獻，缺少必要的討論.（4）實驗報告的反饋完善.問題主要是學生拿到批改后的實驗報告不能及時修改，存在拖延現(xiàn)象，有的修改后仍然存在錯誤.

3.2 數(shù)據(jù)的預處理

通過對實驗報告四個方面的打分，我們提取出影響實驗報告質(zhì)量的四個關鍵因素，分別為：“格式內(nèi)容”“數(shù)據(jù)處理”“討論總結”“反饋完善”.把這四項得分大于等于8分的記為“優(yōu)”；小于8分的記為“一般”，于是我們就把“格式內(nèi)容”“數(shù)據(jù)處理”“討論總結”“反饋完善”根據(jù)得分都分為“優(yōu)”和“一般”兩類.根據(jù)實驗報告的總得分，把大于等于80分的記為“優(yōu)”；小于80分的記為“一般”，這樣就把實驗報告的質(zhì)量也分為“優(yōu)”和“一般”兩類.對數(shù)據(jù)進行處理獲得476條數(shù)據(jù)，把數(shù)據(jù)分為兩類：訓練集360條數(shù)據(jù)，測試集116條數(shù)據(jù).

3.3 數(shù)據(jù)的計算分析

首先計算樣本分類所需的期望信息量，即熵值.訓練數(shù)據(jù)集360條數(shù)據(jù)，實驗報告質(zhì)量優(yōu)的有112條，一般的有248條；

由公式①得：

然后計算每一個關鍵因素的信息增益率：

（1）屬性“格式內(nèi)容”，由訓練集得：格式內(nèi)容 =“優(yōu)”有156條，其中84條實驗報告質(zhì)量優(yōu)，72條質(zhì)量一般；

格式內(nèi)容=“一般”有204條，其中28條實驗報告質(zhì)量優(yōu)，176條質(zhì)量一般；

由公式②計算其熵值為：

由公式③計算其信息增益為：

Gain(格式內(nèi)容)=I(S1,S2)－E(格式內(nèi)容)=0.13603

由公式④計算分裂信息：

（2）屬性“數(shù)據(jù)處理”，數(shù)據(jù)處理=“優(yōu)”有98條，其中79條實驗報告質(zhì)量優(yōu)，19條質(zhì)量一般；數(shù)據(jù)處理=“一般”有262條，其中33條實驗報告質(zhì)量優(yōu)，229條質(zhì)量一般；

最終公式⑤計算：

（4）屬性“反饋完善”，反饋完善 =“優(yōu)”有 117條，其中75條實驗報告質(zhì)量優(yōu)，42條質(zhì)量一般；反饋完善=“一般”有243條，其中37條實驗報告質(zhì)量優(yōu)，206條質(zhì)量一般；

（3）屬性“討論總結”，討論總結=“優(yōu)”有93條，其中85條實驗報告質(zhì)量優(yōu)，8條質(zhì)量一般；討論總結=“一般”有267條，其中27條實驗報告質(zhì)量優(yōu)，240條質(zhì)量一般.

3.4 構造決策樹

由上面計算出的每個關鍵因素信息增益率的值，來確定決策樹的根結點，生成決策樹，再對決策樹進行剪枝.剪枝采用自下而上的方式，最后生成一棵實驗報告質(zhì)量決策樹.用括號表示實驗報告質(zhì)量決策樹為：（討論總結（數(shù)據(jù)處理（質(zhì)量優(yōu)，反饋完善（質(zhì)量優(yōu)，質(zhì)量一般）），數(shù)據(jù)處理（反饋完善（質(zhì)量優(yōu)，格式內(nèi)容（質(zhì)量優(yōu)，質(zhì)量一般）），反饋完善（格式內(nèi)容（質(zhì)量優(yōu)，質(zhì)量一般），質(zhì)量一般））.

3.5 分類規(guī)則

IF討論總結=“優(yōu)”AND數(shù)據(jù)處理=“優(yōu)”THEN實驗報告質(zhì)量=“優(yōu)”；IF討論總結=“優(yōu)”AND數(shù)據(jù)處理=“一般”AND反饋完善=“優(yōu)”THEN實驗報告質(zhì)量=“優(yōu)”；IF討論總結=“優(yōu)”AND數(shù)據(jù)處理=“一般”AND反饋完善=“一般”THEN實驗報告質(zhì)量=“一般”；IF討論總結=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“優(yōu)”THEN實驗報告質(zhì)量=“優(yōu)”；IF討論總結=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“一般”AND格式內(nèi)容=“優(yōu)”THEN實驗報告質(zhì)量=“優(yōu)”；IF討論總結=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“一般”AND格式內(nèi)容=“一般”THEN實驗報告質(zhì)量=“一般”；IF 討論總結 =“一般”AND 數(shù)據(jù)處理 =“一般”AND反饋完善=“優(yōu)”AND格式內(nèi)容=“優(yōu)”THEN實驗報告質(zhì)量=“優(yōu)”；IF 討論總結 =“一般”AND 數(shù)據(jù)處理 =“一般”AND 反饋完善=“優(yōu)”AND格式內(nèi)容=“一般”THEN實驗報告質(zhì)量=“一般”；IF 討論總結 =“一般”AND 數(shù)據(jù)處理 =“一般”AND反饋完善=“一般”THEN實驗報告質(zhì)量=“一般”.

4 改善方法

由以上規(guī)則可以看出，我校醫(yī)用物理學實驗報告的質(zhì)量主要受到格式內(nèi)容、數(shù)據(jù)處理、討論總結、反饋完善四個因素的影響，其中，影響力由大到小依次是討論總結，數(shù)據(jù)處理，反饋完善和格式內(nèi)容.所以要提高實驗報告的質(zhì)量，可以要求學生把實驗報告分為三個部分書寫：（1）課前部分，上課前學生應該認真預習實驗內(nèi)容，用自己的語言把實驗的目的、原理、步驟等簡明扼要的寫在實驗報告上，杜絕照抄課本，有不明白的地方應在實驗報告上做好標記.（2）課堂部分，學生做實驗的過程中需把實驗得到的原始數(shù)據(jù)記錄在實驗報告上，并完善實驗報告課前部分的內(nèi)容.（3）課后部分，實驗課結束后，學生應處理實驗原始數(shù)據(jù)得到實驗結果，并對實驗結果進行分析討論，討論包括對實驗的理解，實驗中遇到各種問題的解決方法，實驗數(shù)據(jù)的偏差處理，對整個實驗的總結等.教師批改完實驗報告反饋給學生，學生要對實驗報告中的不足和錯誤及時進行完善和修改.

5 總結

實驗報告的改革是一個循序漸進的過程，運用決策樹C4.5算法對醫(yī)用物理實驗報告進行分析，學生實驗報告寫的多，想的少，缺乏自主性和創(chuàng)造性.實驗報告的重點應該是實驗結果的處理分析和討論總結，只有這樣才能使學生把理論和實踐相互轉(zhuǎn)化，真正起到大學實驗課的作用.

〔1〕呂道文.《醫(yī)學物理實驗》的課程建設與教學改革研究[J].中國醫(yī)學物理學雜志，2009，26(6)：1570-1572.

〔2〕袁方.實用數(shù)據(jù)挖掘[M].北京：電子工業(yè)出版社，2010.

〔3〕吳信東,庫瑪爾.數(shù)據(jù)挖掘十大算法[M].北京：清華大學出版社，2013.

〔4〕張學文，司佑全.《電子技術》實驗報告存在的問題及對策[J].湖北師范學院學報，2015，35(3)：97-101.

〔5〕蔣瑾.寫好實驗報告的思考[J].吉林化工學院學報，2013，30(4)：56-58.

G642.423

A

1673-260X（2017）12-0201-02

2017-10-25

校級重大教學改革項目（2016jyxm07）