決策樹算法在高職院校成績分析中的應用研究的論文

　摘 要：高職院校的學生的成績是一項重要的數據，它不僅是對學生學習情況的評價，也是對教師教學質量的檢查。本文研究了使用決策樹算法對學生的成績進行挖掘分析，分析學生的畢業設計成績與基礎類課程、專業類課程以及專項實踐類課程之間隱藏的內在聯繫，指導教師在今後的教學中加強學生實踐操作能力的訓練，進而提高教學質量。

　關鍵詞：決策樹； ID3算法； 數據挖掘 ；學生成績分析

1.引言

高職院校在多年的教學和管理工作中，積累了大量的教學管理數據，這些數據中藴含了很多有價值的信息。如果利用數據挖掘技術對學院教務管理系統中教師和學生的數據進行挖掘，可以使教師更好的把握學生、把握教學過程，實現教學過程動態化管理，為學校合理設置課程、優化教育資源配置、提高教學質量提供可靠的數據依據，同時對提高學校教學和管理水平也有一定的幫助。[1]

數據挖掘（Data Mining），即數據庫中的知識發現，就是對龐大的數據集或數據庫進行分析，挖掘出隱含的、未知的、用户可能感興趣的和對決策有潛在價值的知識和規則，可以為用户提供決策的依據[2]。決策樹算法是數據挖掘的核心算法之一，決策樹方法以樹型結構表達最終分類結果的，也能生成If-Then形式的規則，便於使用者理解。

在教務管理系統中，學生的成績是一項重要的數據，它不僅是對學生學習情況的評價，也是對教師教學質量的檢查。本文中研究使用決策樹算法對學生的成績進行挖掘分析，全面地分析學生的畢業設計成績與實踐類課程、專業類及基礎類課程中隱藏的內在聯繫，體現出學生課程之間有一定的相互關聯關係，可以及時指導教師在以後的教學工作中採取恰當的方法，加強學生實踐操作能力的訓練，指導學生進行專業、基礎類課程的學習，提高教學質量。

2.決策樹算法

2.1決策樹算法基本概念

決策樹是一種常用的、直觀的分類歸納算法。決策樹是一種類似流程圖的樹狀結構，根據層次的不同，結點分為根結點、內部結點和葉結點三種類型。[3] 每個結點對應一個樣本集，樹的最高層結點就是根結點，對應整個樣本集，內部結點對應一個類標誌。根結點和內部結點都包含一個對樣本屬性的測試，根據測試的結果將樣本集劃分為兩個或多個子集，每個子集生成一個分支，分支用測試屬性值來標識。葉結點包含一個類標誌，表示對應樣本集的類別。決策樹的中間結點通常用矩形表示；而葉子結點常用橢圓表示。

決策樹的構造包括兩個步驟，一是生成決策樹，二是進行剪枝。決策樹的生成是從一個根結點開始，從下到下的遞歸過程，通過不斷地將訓練樣本分割成子集來構造決策樹，從根結點開始對該樣本的屬性進行測試，根據測試結果確定下一個結點，直至到達葉結點為止。決策樹的剪枝是對樹結構進行修剪，刪除多餘分支的過程，得到一棵最小期望錯誤率的決策樹。

2.2 ID3算法

ID3算法是決策樹學習算法中最有影響力、使用最廣泛的一種決策樹算法。ID3的基本思想是自頂向下遞歸地使用搜索訓練樣本集，是一種典型的貪心算法，在決策樹的每個結點處測試每一個屬性，用信息增益作為屬性的選擇標準，選擇信息增益最大的屬性作為決策樹結點，從而構建決策樹。[4]在算法中，在決策樹結點屬性的選擇上使用信息論中熵(Entropy)的概念來完成。

2.2.1 信息熵

信息熵是各自信息量的期望，用信息熵可以用來度量整個信息源X整體的不確性。設樣本數據集為X, n是信號源所有可能的符號數，ai是可能取到的值，P（ai）是取值為ai的概率。其信息熵如下：

2.2.3平均信息增益

信息增益表示兩個信息量之間的差值，在進行分類屬性的選擇時，應該選擇最大的信息增益作為分類屬性。信息增益如下：

Gain(XY)= H(X)-H(XY)

3.決策樹算法在教學質量分析中的應用

學生的畢業設計通常是學生對三年來所學的各種基礎素養類課程、專業類課程、專項實踐類課程的綜合掌握，是體現一個學生的綜合素質的重要依據，也是教師培養學生的教學質量的重要體現。因此，通過對學生的畢業設計和各種基礎課、專業課及專業實踐課的考試成績的挖掘，分析出其中的關係，為今後教師調整教學方案提供依據。

決策樹算法對學生成績進行分析，是將決策樹的相關算法應用於學生成績挖掘，對大量的考試成績數據進行分析，從而更好的分析和預測成績數據。[5]其主要過程如下：

3.1數據收集

數據收集階段主要工作是從教務管理系統中收集與挖掘相關的學生成績數據，並進行簡單的統計分析，檢查這些學生成績數據是否完整。

在進行數據挖掘之前，主要收集了我院2008級軟件技術專業0801班42名學生不同學期的課程成績作為原始數據，一共選擇了9門課程。學生成績表的主要內容包括學號及各門課程成績。進行分類整理後，得到學生成績數據表。

學號

計算機網絡基礎

C語言程序設計

WEB開發技術

數據庫原理與應用

程序設計

C＃程序設計

數據庫設計與開發

基於C#的應用程序設計

基於C#的Windows應用程序設計

畢業設計

100080563

80

80

76

74

90

89

良好

良好

良好

中等

100080575

85

86

88

76

92

94

良好

優秀

優秀

優秀

100080593

60

75

95

69

79

80

中等

及格

及格

及格

……

其中計算機網絡基礎、C語言程序設計、WEB開發技術三門為基礎類課程，數據庫原理與應用、程序設計、C＃程序設計三門為專業類課程，數據庫設計與開發、基於C#的應用程序設計、基於C#的Windows應用程序設計三門為專項實踐類課程。

3.2數據預處理

數據預處理的主要工作就是檢查數據庫中不完整的、含噪聲的，不一致的的數據，並且進行清理，除去噪音，填補記錄中遺漏的數據值、刪除無效數據等，提高挖掘算法的精度和有效性。並且要對數據進行轉換，生成新的屬性或記錄，使之適合數據挖掘處理的格式，預處理後的數據可以節省數據處理的時間。

在學生成績表中，對學生因缺考、緩考、違紀、休學、退學等情況產生的成績記錄的缺失，可考慮進行清理，刪除這些記錄，確保表格數據的完整。最後形成有效數據共42條記錄。

3.3數據轉換

將收集到的數據信息轉換為一個數據模型， 決策樹算法中使用的是離散型數據，學生成績是連續型的，因此，要將其數據屬性進行離散化處理。

學生成績的成績評價指標可分為三個等級，A：85-100（優秀），B：70-84（良好），C：69以下（一般）。離散化後的學生成績表如下圖所示：

學號

基礎課

專業課

專項實踐課

畢業設計

100080563

B

B

B

B

100080575

A

A

A

A

100080593

B

C

C

C

……

3.4 數據分類挖掘

根據生成的分析模型，利用決策樹算法對數據進行挖掘，具體情況如下。

學生成績表中樣本類別屬性為畢業設計，首先計算出畢業設計的信息熵。畢業設計成績分為A（優秀）、B（良好）、C（一般）三種類別，其中優秀為3人，良好為28人，一般為11人，根據公式計算其信息熵如下：

（3）根據專項實踐課成績計算條件熵。

專項實踐課成績為"A"人數為7人。其中畢業設計成績為"A"的2人，為"B"的5人，為"C"的0人。專項實踐課成績為"B"人數為25人，其中畢業設計成績為"A"的1人，為"B"的16人，為"C"的8人。專項實踐課成績為"C"人數為10人。其中畢業設計成績為"A"的'0人，為"B"的7人，為"C"的3人。因此其條件熵為：

H（X專項實踐課）=

=1.022

其信息增益為：

Gain(專項實踐課)=1.168-1.022=0.146

由上述計算可見，專項實踐課成績屬性所獲得的信息增益最大，被作為根結點，並依次取專業課成績、基礎課成績屬性做為分支結點。通過構造和剪枝後，形成如圖所示的決策樹：

3.5 結果分析

通過對上述決策樹的分析，可得出如下結論：

專項實踐、專業課、基礎課成績均優秀的同學，畢業設計成績優秀。專項實踐優秀、專業課成績一般的同學，無論基礎課成績如何，畢業設計成績均為一般。由決策樹分析可見，專項實踐、專業課、基礎課在學生的綜合素質的培養中起到了不同程度的作用。專項實踐課對學生的綜合能力的培養有重要的影響，但不是絕對因素，基礎課和專業課的教學安排，對學生的實踐能力的訓練起到了很大的支撐作用。因此，在專業的課程安排和教師的教學組織中，要注重學生的知識的學習與技能的訓練的有機結合，提高學生的綜合能力。

4.結束語

利用決策樹分類算法的ID3 算法對學生的成績進行分析，構造出學生成績分析決策樹，可以挖掘出學生的畢業設計成績與基礎課程、專業課程、專項實踐課程之間的隱藏關係，同時也挖掘出各類課程的學習對學生綜合素質培養的影響。教師可以根據分析結果在今後的教學過程中，注重加強學生的專業能力培養、實踐能力訓練，培養出合格的高端技能型人才。

參考文獻：

[1]丁智斌，袁方，董賀偉.數據挖掘在高校學生學習成績分析中的應用[J].計算機工程與設計.2006.2(590-592)

[2]邵峯晶，於忠清，王金龍，孫仁誠. 數據挖掘原理與算法[M].北京：科學出版社.2009.

[3]陳安，陳寧，周龍驤.數據挖掘技術及應用[M].北京：科學出版社.2006.

[4]廖芹，郝志峯，陳志宏.數據挖掘與數學建模[M].北京：國防工業出版社.2010.

[5]邢曉宇，餘建坤，陳磊.決策樹算法在學生考試成績中的應用[J].雲南民族大學學報(自然科學版).2009.1(77-80)