C4.5決策樹算法在素質(zhì)教育學(xué)分成績分析與評(píng)價(jià)中的應(yīng)用

1、C4.5 決策樹算法在素質(zhì)教育學(xué)分成績分析與評(píng)價(jià)中 的應(yīng)用1 概述 素質(zhì)教育教學(xué)過程中，尤其是將學(xué)分制引入素質(zhì)教育中后， 相關(guān)數(shù)據(jù)具有數(shù)據(jù)容量大、不完全、有噪聲、隨機(jī)性、模糊性等 特點(diǎn)。傳統(tǒng)的數(shù)據(jù)處理方法根本無法勝任如此復(fù)雜的數(shù)據(jù)處理工 作，因此必須采用數(shù)據(jù)挖掘相關(guān)技術(shù)， 提取對(duì)素質(zhì)教育發(fā)展有價(jià) 值的數(shù)據(jù)信息，然后再進(jìn)行更深層次的研究。2 C4.5 決策樹算法在素質(zhì)教育學(xué)分成績?cè)u(píng)價(jià)與分析中的適 用性分析決策樹（ Decision Tree ）是運(yùn)用于分類的一種樹型結(jié)構(gòu)， 可以對(duì)未知的數(shù)據(jù)通過分析進(jìn)行分類或預(yù)測。 在數(shù)據(jù)挖掘的研究 與應(yīng)用中， 決策樹是一種經(jīng)常要用到的技術(shù)， 在數(shù)據(jù)分析和預(yù)測 中

2、發(fā)揮著重要作用， 決策樹算法是目前應(yīng)用非常廣泛的一種學(xué)習(xí) 方法，其中 C4.5 算法應(yīng)用最廣泛，其既能處理分類問題，又能 處理回歸問題，它產(chǎn)生的規(guī)則容易理解，準(zhǔn)確率高。分析學(xué)生素 質(zhì)教育成績優(yōu)良與哪些因素有關(guān)，屬于預(yù)測中的分類數(shù)據(jù)挖掘。3 基于 C4.5 決策樹算法的素質(zhì)教育學(xué)分評(píng)價(jià)模型的構(gòu)建3.1 數(shù)據(jù)收集 本文的數(shù)據(jù)由某高職院校學(xué)工部提供，分別 取自“會(huì)計(jì)”與“商務(wù)管理”兩個(gè)專業(yè)， 數(shù)據(jù)源包括學(xué)生的基本 信息（來自學(xué)生學(xué)籍管理系統(tǒng)） 、教師信息（來自教務(wù)管理系統(tǒng)） 素質(zhì)教育學(xué)分成績等， 然后最終用到的數(shù)據(jù)就是以這三者為基礎(chǔ) 的關(guān)系數(shù)據(jù)庫。3.2數(shù)據(jù)預(yù)處理數(shù)據(jù)屬性刪除。通過對(duì)某高職院校的素

3、質(zhì)教育學(xué)分制應(yīng)用情況進(jìn)行調(diào)研， 結(jié)果發(fā)現(xiàn)， 學(xué)生信息庫中幾張 數(shù)據(jù)庫表格中的很多屬性，與其他的數(shù)據(jù)顯然存在著較大的區(qū) 別，存在很大的不一致性，是不相關(guān)的，因此必須刪除，以減少 后期數(shù)據(jù)挖掘不必要的時(shí)間、 精力以及財(cái)力的浪費(fèi)。 數(shù)據(jù)屬性 泛化：通過對(duì)某高職院校的素質(zhì)教育學(xué)分制應(yīng)用情況進(jìn)行調(diào)研， 應(yīng)用數(shù)據(jù)泛化原理， 對(duì)大學(xué)生信息中的“學(xué)分成績”進(jìn)行了泛化 處理， 3.0 分以上為“優(yōu)秀” ;2 -2.9 分之間為“中” ;其他為 “一般”。到課率泛化為：到課率 >=95 的為“高”， 90%至 95%之間的為“中”， <90% 的為“低”。 教師教學(xué)經(jīng)驗(yàn)泛化為： 具有五年以上教學(xué)經(jīng)歷的

4、為“豐富”，五年以下的為“不豐 富”。特長愛好根據(jù)學(xué)生的登記信息對(duì)比相關(guān)課程， 泛化為“愛 好”和“不愛好”。 數(shù)據(jù)清理： 通過對(duì)某高職院校的素質(zhì)教育 學(xué)分制應(yīng)用情況進(jìn)行調(diào)研，結(jié)果發(fā)現(xiàn)，雖然學(xué)生信息、教師信息 等數(shù)據(jù)相對(duì)比較完整， 但仍然存在某些記錄不完整、 沒有填寫或 者填寫錯(cuò)誤等問題，需要進(jìn)行數(shù)據(jù)清理，針對(duì)不同的數(shù)據(jù)類型， 采用不同的數(shù)據(jù)清理技術(shù)來處理。3.3 創(chuàng)建決策樹模型3.3.1 信息增益率的計(jì)算(略)。根據(jù)公式GainRatio (S, A)=依次計(jì)算出所有屬性的信息增益率：Gainratio （性別） =0.0024Gainratio （專業(yè)） =0.00006Gainratio

5、 （音樂愛好） =） =0.00005Gainratio （到課率） =） =0.0794Gainratio （教師經(jīng)驗(yàn)） =） =0.04383.3.2 遞歸創(chuàng)建決策樹。 從以上計(jì)算結(jié)果得知， “到課率” 屬性的信息增益率最高， 因此， “到課率”被選為第一個(gè)測試屬 性。創(chuàng)建根節(jié)點(diǎn)，用“到課率”標(biāo)記，并根據(jù)它的三個(gè)屬性值， 引出三個(gè)分枝， 樣本以此劃分， 然后再分別計(jì)算各個(gè)分枝節(jié)點(diǎn)的 劃分，根據(jù)算法繼續(xù)計(jì)算， 得出當(dāng)“到課率” =“高”時(shí)的劃分， 如圖 1 所示。重復(fù)以上步驟， 完成各個(gè)分枝的劃分， 遞歸得到學(xué)生音樂課 學(xué)分成績決策樹模型。如圖 2 所示。<D : 123456中小企業(yè)

6、管理與科技 ？下旬刊2015111-297 232-2.jpg>圖 2 素質(zhì)教育音樂學(xué)分成績決策樹模型4 素質(zhì)教育學(xué)分成績?cè)u(píng)價(jià)模型的評(píng)估與分析 依據(jù)上述素質(zhì)教育音樂學(xué)分成績決策樹模型， 對(duì)音樂成績保 留的 160 個(gè)樣本進(jìn)行測試，通過測試其準(zhǔn)確率達(dá)到88.75%，通過測試來判斷它的合理性， 以檢驗(yàn)分類規(guī)則的準(zhǔn)確率， 由此我們 可以看到，經(jīng)過測試，采用 C4.5 決策樹算法生成的分類規(guī)則的 準(zhǔn)確率大于 85%，基本符合要求，如果再進(jìn)行適當(dāng)?shù)男藜?，正確 率會(huì)更高。因此該模型較為合理，可以加以應(yīng)用。通過對(duì)學(xué)生音 樂課成績的分析， 得到以下建議： 一是到課率對(duì)學(xué)生學(xué)習(xí)成績的 影響較大， 學(xué)生應(yīng)該在學(xué)習(xí)過程中嚴(yán)格遵守學(xué)校的學(xué)習(xí)紀(jì)律， 按 時(shí)上課，端正學(xué)習(xí)態(tài)度，按時(shí)完成老師要求完成的學(xué)習(xí)任務(wù)。二 是學(xué)生的專業(yè)對(duì)學(xué)習(xí)成績也有一定的影響， 不同專業(yè)的學(xué)生的性 格、愛好都不一樣。 三是教師的教學(xué)經(jīng)驗(yàn)對(duì)學(xué)生的學(xué)習(xí)成績影較 大，教師應(yīng)該通過各種途徑不斷地豐富自己的教學(xué)經(jīng)驗(yàn)， 提高音 樂專業(yè)技能和音樂教學(xué)水平，以此來進(jìn)一步提高學(xué)生的到課率。綜上所述， C4.5 決策樹算法對(duì)于素質(zhì)教育學(xué)分成績的分析