薛亞楠 楊曉東

摘 ?要：決策樹(shù)是從一組無(wú)規(guī)則并且無(wú)次序的數(shù)據(jù)集中求解分類(lèi)問(wèn)題的重要技術(shù)。決策樹(shù)不僅是從數(shù)據(jù)集中生成分類(lèi)器的有效方法，同時(shí)也是數(shù)據(jù)挖掘技術(shù)中一個(gè)活躍的研究領(lǐng)域。通過(guò)決策樹(shù)挖掘可以對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。該文以學(xué)生學(xué)習(xí)態(tài)度、完成作業(yè)情況、考勤等為因素，利用決策樹(shù)技術(shù)分析影響學(xué)生成績(jī)的因素，對(duì)學(xué)生成績(jī)的影響因素加以探討。

關(guān)鍵詞：數(shù)據(jù)挖掘 ?決策樹(shù)方法 ?學(xué)生成績(jī)

中圖分類(lèi)號(hào)：G64 ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）12（c）-0083-02

在數(shù)據(jù)挖掘和數(shù)據(jù)分析中，決策樹(shù)起著非常重要的作用，其可以構(gòu)建一個(gè)決策系統(tǒng)，對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。決策樹(shù)的結(jié)構(gòu)類(lèi)似樹(shù)型結(jié)構(gòu)，利用樹(shù)的結(jié)構(gòu)將記錄進(jìn)行分類(lèi)，樹(shù)的一個(gè)葉結(jié)點(diǎn)就代表某個(gè)條件下的一個(gè)記錄集。并根據(jù)記錄字段的不同取值建立分支，以此重復(fù)，便可生成決策樹(shù)。根據(jù)決策樹(shù)的結(jié)構(gòu)對(duì)數(shù)據(jù)集中的屬性值進(jìn)行測(cè)試可以對(duì)未知數(shù)據(jù)對(duì)象進(jìn)行分類(lèi)識(shí)別。決策樹(shù)的常用算法包括：ID3算法、C4.5算法、CART算法、CHAID算法等。

1 ?決策樹(shù)方法的特點(diǎn)

決策樹(shù)因其形狀像樹(shù)。所以特點(diǎn)包括：（1）一個(gè)決策樹(shù)由一系列節(jié)點(diǎn)和分支組成。（2）節(jié)點(diǎn)和子節(jié)點(diǎn)之間形成分支，節(jié)點(diǎn)代表著決策過(guò)程中所考慮的屬性，不同屬性值形成不同分支。

基于CLS算法思想和Quinlan的ID3算法思想，改進(jìn)的決策樹(shù)學(xué)習(xí)算法如下。

（1）生成一顆空決策樹(shù)和一張訓(xùn)練樣本表。

（2）若訓(xùn)練樣本集T中的所有樣本都屬于同一類(lèi)，則生成結(jié)點(diǎn)T，并終止學(xué)習(xí)算法。

（3）根據(jù)最大信息增益的原則，先從訓(xùn)練樣本屬性中選擇信息增益最大的屬性，并生成測(cè)試性結(jié)點(diǎn)，即根結(jié)點(diǎn)A。

（4）若A的取值為a1，a2，…，am，則根據(jù)A取值不同，將 T劃分為m個(gè)子集T1，T2，…，Tm。

（5）對(duì)每一個(gè)Ti（1≤i≤m），轉(zhuǎn)步驟（2）。

2 ?實(shí)證分析

該研究用例是采用某大學(xué)學(xué)生期末數(shù)學(xué)成績(jī)數(shù)據(jù)作為挖掘?qū)ο?，?shù)據(jù)來(lái)源于網(wǎng)絡(luò)。通過(guò)挖掘分析，找出影響學(xué)生成績(jī)的主要因素。該文采用基于ID3算法的改進(jìn)算法建立決策樹(shù)。建立決策樹(shù)，應(yīng)從以下屬性考慮：（1）學(xué)生對(duì)數(shù)學(xué)課的感興趣程度;（2）學(xué)習(xí)態(tài)度;（3）出勤情況;（4）獨(dú)立完成作業(yè)情況。

如表1所示，經(jīng)過(guò)數(shù)據(jù)處理后的數(shù)據(jù)成績(jī)信息的訓(xùn)練集，將考試結(jié)果分為4類(lèi)。具體為：A（優(yōu)秀）、B（良好）、C（及格）、D（不及格）。我們的輸出結(jié)果是A、B、C、D，一共30條記錄。其中，取值為A的記錄有17個(gè)，取值為B的記錄有9個(gè)，取值為C的記錄有2個(gè)，取值為D的記錄有2個(gè)。則樣本S記為：S1=17，S2=9，S3=2，S4=2。

根據(jù)熵的計(jì)算公式，得到：

下面計(jì)算信息增益：分別以“對(duì)數(shù)學(xué)課感興趣的程度”“學(xué)習(xí)態(tài)度”“課堂考勤”等作為根結(jié)點(diǎn)，計(jì)算其信息增益。以屬性“對(duì)數(shù)學(xué)感興趣的程度”作為根節(jié)點(diǎn)。取值為感興趣的記錄有17個(gè)，其中有14個(gè)A、2個(gè)B、1個(gè)C，0個(gè)D;取值為一般的記錄有11個(gè)，其中有3個(gè)A，7個(gè)B，0個(gè) C，1個(gè)D;取值為不感興趣的記錄有2個(gè)，其中1個(gè)D，1個(gè)C，0個(gè)A，0個(gè)B。

計(jì)算其相應(yīng)的熵：

然后計(jì)算其相應(yīng)的信息增益：

同理，我們得到了以上4個(gè)屬性相應(yīng)的信息增值Gain（對(duì)數(shù)學(xué)的感興趣程度）=0.511972，Gain（學(xué)習(xí)態(tài)度）=0.708688，Gain（課堂考勤）=0.395689，Gain（獨(dú)立完成作業(yè)情況）=0.77499。

最后按信息增益最大的原則選 “獨(dú)立完成作業(yè)情況”作為根結(jié)點(diǎn)，并將樣本分成3個(gè)部分，然后對(duì)每一棵子樹(shù)按照遞歸的方法計(jì)算，并且進(jìn)行剪枝，最后得出的決策樹(shù)如圖1所示。

從研究得到的決策樹(shù)發(fā)現(xiàn)，考試結(jié)果多數(shù)是A（優(yōu)秀）的學(xué)生在作業(yè)完成時(shí)，獨(dú)立完成作業(yè)情況很好，對(duì)數(shù)學(xué)感興趣的學(xué)生往往考試結(jié)果也較好，多數(shù)為A（優(yōu)秀）或B（良好）;而相反，獨(dú)立完成作業(yè)較差或?qū)?shù)學(xué)不感興趣的學(xué)生，往往考試結(jié)果都不理想。另外，學(xué)生的學(xué)習(xí)態(tài)度也是一個(gè)不容忽視的因素。

3 ?結(jié)語(yǔ)

該文通過(guò)一個(gè)實(shí)例表述了數(shù)據(jù)挖掘技術(shù)在學(xué)生成績(jī)分析中的應(yīng)用，通過(guò)決策樹(shù)方法能夠分析影響學(xué)生學(xué)習(xí)成績(jī)因素的原因，獨(dú)立完成作業(yè)情況，課堂考勤以及學(xué)習(xí)態(tài)度都對(duì)學(xué)生成績(jī)有著相互影響，通過(guò)分析影響學(xué)生成績(jī)的因素，從而制定相應(yīng)的措施，達(dá)到提高教學(xué)質(zhì)量的目的，同時(shí)對(duì)于學(xué)校和教師來(lái)說(shuō)可以通過(guò)決策樹(shù)分析重點(diǎn)管理學(xué)生，幫助有效提高學(xué)習(xí)成績(jī)。

參考文獻(xiàn)

[1] 朱迪茨.實(shí)用數(shù)據(jù)挖掘[M].北京：電子工業(yè)出版社，2004.

[2] 魏萍萍，王翠茹，王保義，等.數(shù)據(jù)挖掘技術(shù)及其在高校教學(xué)系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)工程，2003（11）：87-89.

[3] （英）漢德（Hand，D.），著.數(shù)據(jù)挖掘原理[M].張銀奎，譯.北京：機(jī)械工業(yè)出版社，2003.

[4] 王名揚(yáng).基于數(shù)據(jù)挖掘的決策樹(shù)生成與剪枝方法[J].計(jì)算機(jī)工程與科學(xué)，2005（11）：19-20.

[5] 楊清.基于決策樹(shù)的學(xué)習(xí)算法[J].湘潭師范學(xué)院學(xué)報(bào)，2005（3）：24-25.

[6] 黃芳.基于數(shù)據(jù)挖掘的決策樹(shù)技術(shù)在成績(jī)分析中的應(yīng)用研究[D].山東大學(xué)，2009.