基于apriori算法的高校学生成绩数据关联规则挖掘分析

《基于apriori算法的高校学生成绩数据关联规则挖掘分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于Apriori算法的高校学生成绩数据关联规则挖掘分析　　摘要高校在长期的教学管理过程中积累了海量的学生成绩信息，但是普遍的对于成绩的分析处理工作还停留在简单的查询、分析和统计阶段。本文利用关联规则Apriori算法，以学生成绩数据为研究对象，挖掘课程之间的相互关系，为科学的制定人才培养方案，提高高校人才培养质量进行了积极地探索与研究【关键词】成绩分析关联规则Apriori算法1数据挖掘数据挖掘其实就是从大量、有噪声、随机性、不完全、模糊的应用数据中，提取并隐藏在应用数据中心、人们不知道但是有价值的信息和知识的过程，通过数据挖掘系统能够自动分析原有数据，并作出

2、归纳总结，挖掘出数据原有的模式，为决策者提供参考价。数据挖掘包括数据仓库、预处理、分类聚类、关联分析等。关联分析是数据挖掘最贴近我们生活的一部分了，登录亚马逊网站，当我们挑选一本《Android4高级编程》时，网站会不失时机的列出你可能还会感兴趣的书籍，如Android游戏开发、Cocos2d-x引擎等，让我们的购物车变得更充实，而钱包又空了些数据挖掘是一门综合了统计学、信息技术、人工智能等多项技术。其中数据挖掘聚类和决策树则是机器学习理论知识。关联性规则挖掘技术对数据挖掘技术具有非常重大的意义，它进一步扩展了数据挖掘的研究，到如今已经成为了数据挖掘领域中的一个

3、分支。关联性规则不仅体现数据之间的关联，更为重要的是关联系规则的表达简洁，便于理解，近年来已经成为数据挖掘技术研究领域的热点话题2关联规则Apriori算法Apriori算法是关联规则算法之一。Apriori算法的第一遍仅仅计算每个项目的具体指的数量，以确定大型1项集。随后的遍历，第k次遍历，包括两个阶段。首先，使用在第（k-1）次遍历中找到的大项集Lk-1和Apriori-gen函数产生候选项集。接着扫描数据库，计算中候选的支持度，从而得到中的支持度不小于最小支持度的k阶大项集。重复以上步骤，直到某一阶的大项集为空时，算法停止Apriori算法指导我们，如果要

4、发现强关联规则，就必须先找到频繁集。所谓频繁集，即支持度大于最小支持度的项集。如何得到数据集合D中的所有频繁集呢？用一种非常原始的办法来分析，就是对于数据集D，遍历每一条记录T，可以得到T的所有子集，然后计算每一个子集的支持度，最后再将结果与最小支持度比较。我们暂且不管数据集D中有多少条记录，就说每一条记录T的子集个数，{1，2，3}的子集有{1}，{2}，{3}，{1，2}，{2，3}，{1，3}，{1，2，3}，即如果记录T中含有n项，那么它的子集个数是-1。计算量是非常大的，很明显这种方法是不可取的因此，Aprior算法提出了一个逐层搜索的方法，如何逐层搜

5、索呢？包含两个步骤：（1）自连接获取候选集。第一轮的候选集就是数据集D中的项，而其他轮次的候选集则是由前一轮次频繁集自连接得到（频繁集由候选集剪枝得到）（2）对于候选集进行剪枝。如何剪枝呢？候选集的每一条记录T，如果它的支持度小于最小支持度，那么就会被剪掉；此外，如果一条记录T，它的子集有不是频繁集的，也会被剪掉算法的终止条件是，如果自连接得到的已经不再是频繁集，那么取最后一次得到的频繁集作为结果3教务管理系统中的学生成绩数据挖掘学生的考试成绩不仅体现了学生阶段性的学习效果，而且是检验学校教学效果的重要依据。为了提高学校教学质量，所以必须对学生的考试成绩进行数据

6、挖掘，挖掘出学生考试成绩背后的关键性因素，可以从学生的性别、专业、课程、入学成绩、老师对学生的考核评价等因素为切入点，分析这些因素对学生成绩产生的影响，并找出各个要素之间的潜在规律，从而分析出影响学生考试成绩的主要因素，并预测学生哪一部分成绩还需要进一步加强。采用关联系规则对学生成绩进行数据挖掘，通过数据仓库查看各个专业学生课程成绩单，并分析各个课程与其他课程之间的关联和影响，从而制定专业的人才培养计划。在制定计划的时候，依次从公共课、专业课到拓展课等方面设置相关课程。不同的专业开设课程的时间不同，开课时间次序对学生学习后续课程会产生一定的影响。但是过去很多高校

7、在课程安排上比较随意，通常都是高校教务处的人根据过去的教学经验和主观认知，安排学生的课程时间。然而每一门课程都有它的特点，比如体育课学生可能需要大量的运动，消耗的体能比较多，运动过后学生无论精神上还是身体上都比较疲惫，这个时候上课的效果就不太好，所以在安排课程的时候，尽量将体育课安排到下午的时间段，这样不会学校其他课程的教学效果。通过关联性分析，找出每一门课程的影响因素，合理安排课程的先后顺序，为人才方案制定者提供科学的决策依据我们从教务管理系统中选取1000名软件技术专业学生的成绩，根据学生成绩进行数据挖掘，部分成绩数据如表1所示根据学生考试成绩表，分析学生不

8、及格科目之间的关系，60