决策树分类方法在学生成绩挖掘中的应用分析

《决策树分类方法在学生成绩挖掘中的应用分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要摘要多年来，数据挖掘技术已经在各行各业得到了广泛的应用研究，尤其是在商业、金融业、医疗卫生等领域应用得十分成功．近年来，众多高校研究人员已将数据挖掘技术应用于教学研究，也产生了一些教学方面的理论，但对这方面的研究还只是停留在理论研究阶段。目前，随着高职院校招生规模的不断扩大，在校学生人数急剧增加，在日常教学管理中，每天都产生大量的数据，这使得原有教务管理系统中存在的问题日益突出．特别是对学生的成绩管理工作中，存在着学生成绩数据量过于庞大的问题。对于其中的学生成绩分析模块，还停留在初级的数据备份、查询及简单统

2、计阶段，隐藏在海量数据中的大量有用信息不能得到有效地利用。如何将这些数据信息转化为知识表示，合理地利用这些信息为教学管理服务，科学指导教学，提高教学管理水平，是我们迫切需要研究的课题。数据挖掘技术正是解决这个问题的可行而有效的方法。决策树分类方法是数据挖掘分类和预测的主要技术，是通过一组无次序、无规则的实例推理出决策树表现形式的分类规则。决策树方法与其它分类方法相比具有可理解性、易训练、易实施和通用性等优点，所以本文选择将决策树分类方法应用到学生成绩数据分析研究中。本文研究的主要内容是决策树分类方法在学生成绩数

3、据分析中的应用。重点讨论了决策树C4．5算法。以<天津机电职业技术学院教务管理系统》中学生成绩数据作为基本数据源，采用数据库技术对我校教务系统中现有数据进行采集、清理、集成、概化等处理，使用决策树(24．5算法建立学生成绩分析决策树模型，将大量的成绩数据转化为分类规则，得出影响学生成绩的因素，从而更好地分析这些数据。在此基础上本人独立设计了‘学生成绩数据分类系统》，并完成了应用系统的开发，采用TrccView控件对决策树进行显示，能直观地显示出哪些因素对学生的学习成绩是有影响的及影响的强弱，并最终实现了对新数据

4、的预测功能。关键词：数据挖掘分类决策树分类规则AbstractAbstractOvertheyears,damminingtechnologyhasbeeninallwalksoflifehavebeenwidelyappliedresearch，especiallyinthecommercial，financial，medicalandhealthfields，applicationsaresuccessful．Inrecentyears，manyuniversityresearchershavedatami

5、ningtechnologyinteachingandresearch，butalsoproducedsometeachingofthetheory,butresearchinthisareajusttostayinthetheoreticalresearchstage．Now,withtheVocationalCollegeenrollmentcontinuestoexpand，thenumberofstudentsinschoolincreaseddramatically,inthedailyteachin

6、gmanagement,largeamountsofdataareproduceddaily,whichmakestheoriginalsystemofeducationaladministrationproblemsbecomeincreasinglyprominent．Especiallyforstudentachievementinthemanagementoftheexistenceofstudentachievementdatavolumeistoolargeproblem．Fortheanalysi

7、smoduleinwhichstudentachievement，butalsostayinthe#marydatabackup，queryandsimplestatisticalstage,hiddeninthemassivedatainalargenumberofusefulinformationcannotbeetfeetivelyused．Howthesedataintoknowledgerepresentation,andrationaluseofinformationmanagementservic

8、esforteaching,scientificguidanceofteaching，improvetheteachinglevelofmanagement，isanurgentneedtostudy．Dataminingtechnologytosolvethisproblemisfeasibleandeffectivemethod．Decisiontreeclassific撕onme