决策树技术在高校学生成绩分析中的应用研究

《决策树技术在高校学生成绩分析中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、代号10701学号0822980057分类号TP312密级公开题（中、英文）目决策树技术在高校学生成绩分析中的应用研究ApplicationofDecisionTreeintheUniversityachievementAnalysis作者姓名董欢指导教师姓名、职务王凯东副教授学科门类工科学科、专业计算机应用技术提交论文日期二○一二年四月二十日西安电子科技大学学位论文创新性声明秉承学校严谨的学分和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容

2、以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印

3、、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：日期导师签名：日期摘要由于高校的连年扩招，各个学校都积累了大量的学生基本数据信息和学习成绩数据信息，但是这些数据都还停留在备份、查询、简单的统计的阶段，不能发挥其应有的作用。这样就导致大量的成绩数据只是以各不相同的表格形式存储于不同的计算机上，不利于对这些数据所隐含的信息进行充分的挖掘分析，不便于教学管理部门进行有效的教学评价，也不利于

4、教师对其所带学生的学习情况进行全面的指导。本文主要应用数据挖掘技术中的决策树技术对高校学生的成绩进行分析，找出影响学生成绩取得“优秀”和“差”的因素。在建立分类模型时，以信息增益率作为属性选择的度量标准，对学生成绩是否为“优”的数据训练集应用决策树技术中的C4.5算法来进行模型的建立，从而生成分类规则，得出影响学生成绩为“优”的因素。C4.5算法中以信息增益率作为属性选择的度量标准时，在计算属性的信息量时涉及到了对数运算，计算时间效率低下。对计算属性的信息量公式进行改进，形成新的信息量计算方法。应用改进后的C4.5算法对属性进行信息

5、增益率的计算，并且对学生成绩是否为“差”的数据训练集进行模型的建立，生成分类规则，得出影响学生成绩为“差”的因素，为教师有针对性的提高教学质量提供了有力的数据支持。关键字：数据挖掘决策树技术C4.5成绩分析AbstractDuetosuccessiveyearsofenrollmentoftheuniversity,everyschoolhasaccumulatedalargenumberofstudents’basicdataandachievementdata,butthesedataarestillstuckintheback

6、up,thequery,thestageofsimplestatistics,andcannotplayitsduerole.Thisledtoalotofperformancedataisonlystoredondifferentcomputersvaryintabularform,andthosedatacannotconducivetotheinformationimpliedbythesedatamininganalysis,cannottofacilitatetheteachingdepartmentsforeffecti

7、veteachingevaluation,andcannotconducivetocomprehensiveguidanceteachersbroughtstudentlearning.Inthisthesis,throughtheanalyzeofthecollegestudents’achievementsbasedondecisiontreetechnique,wegetthefactorsofidentifytheachievementsofcollegestudentsaffect"excellent"and"bad".i

8、ncreatingaclassificationmodel,wechoosethetherateofinformationgainasattributeselectionmetrics.weuseC4.5algorithmtosett