《决策树技术在学生成绩分析中的应用研究.doc》由会员分享，可在线阅读，更多相关《决策树技术在学生成绩分析中的应用研究.doc（3页珍藏版）》请在三一文库上搜索。
1、决策树技术在学生成绩分析中的应用研究 在现行教学管理体制之下，学生成绩成为检验学生学习情况的主要标志，同时也是评估教师教学质量的重要表现。本文对学生成绩属性进行分类处理，通过决策树方式实现数据的分析和挖掘。本文从决策树技术的运用原因入手，提出了改进后的决策树算法，并在此基础上实现了决策树技术在学生成绩分析中的应用。 一、前言 教师在进行教学评测时，往往会积累大量学生数据，形成混乱的评估局面，不利于教学研究工作的开展。数据挖掘技术的应用和发展很好的解决了此类问题，高校在学生成绩分析中引入决策树信息技术，以帮助课堂学习计划和教学措施的制定，从一定程度上提高学科的教学效率。决策树技术应用于数据分析中
2、可以发现测试式知识，其构造相对简单，无需涉及其他参数设置和知识领域；决策树构造以图形式展示，可清晰准确的展示相关属性，利于用户接受和理解；决策树算法可对离散型和连续型数据进行处理，且计算量较小。 二、改进的决策树算法 在CLC算法和ID3算法的基础上对决策树学习算法进行改进，改进方法见下文 分别建立训练样本表和空决策树；若训练样本集T内出现同一类样本，结点T生成，学习算法被终止；遵循最大信息增益的标准，将信息增益相对最大的属性从整个训练样本属性中筛选出来，完成测试性结点的生成，也就是根结点A；根据A的不同取值（可为），对T进行划分，共有m个子集；将的得到的转向步骤2进行操作。 三、决策树技术在
3、学生成绩分析中的应用 （一）确定挖掘对象及日标 本文研究的挖掘对象为计算机软件班的学生，对学生在Java程序设计课程的学年末成绩进行挖掘和分析，以寻求出与学生成绩相关的影响因素。 （二）数据采集和数据清理 成绩挖掘数据库主要运用以下资源课程安排信息、学生成绩信息和学生基本信息。通过调查问卷和成绩分析的方式完成学生决策树的构建。将学生的课堂考勤、试卷难度、上机难度和该科兴趣作为影响学生的主要因素，。调查问卷中部分题目为1.“你对该学科的感兴趣程度A.感兴趣 B.一般 C.不感兴趣”2.“本学科的试卷难度A.高 B.中 C.低”3.本研究共选取了14条数据信息，学生各项成绩统计结果见表1所示。 表1 学生各项成绩统计结果 对本组数据进行分析和处理，用描述性文字表示数据表内的相关数据 用“好、一般和差”表示学生的课堂考勤记录。其中分数