数据挖掘决策树.doc

数据挖掘决策树的应用


摘要:在学校管理工作中,特别是对学生的成绩管理工作中,普遍存在的问题是学生成绩数据量过于庞大,但对这些数据的处理还停留在初级的数据备份、查询及简单统计阶段,并没有对大量的成绩数据进行深入地分析,加以捕捉有利于教学管理工作的信息,这是对教学信息资源极大的浪费。数据挖掘技术正是解决这个问题的可行而有效的方法。
关键词:数据挖掘,决策树,成绩
目录
第一章引言 1
1
1
weka平台的简述 2
第二章决策树在学生成绩中的应用 2
2
3
5
第三章 总结 5
致谢 6
参考文献 6
附录 6
第一章引言

学生成绩是评估教学质量的重要依据现有教学管理系统中般仅有成绩的输入输出及简单的查询很少涉及成绩分析不利于充分挖掘分析这些数据所隐含的信息导致无法进行有效的教学评价利用数据挖掘技术可以从定量的角度精确地展现学生成绩分析的多个方面通过把数据挖掘技术引入到学生成绩分析中可以找出影响成绩变化的规律性的因素帮助制定相应的措施引导学生积极性。

数据挖掘(英语:Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性(属于Association rule learning)的信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学****专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。
数据挖掘是通过分析每个数据,从大量数据中寻找其规律的技术,主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集;规律寻找是用某种方法将数据集所含的规律找出来;规律表示是尽可能以用户可理解的方式(如可视化)将找出的规律表示出来。
决策树是判定给定样本与某种属性相关联的决策过程的一种表示方法,从数据中生成分类器的一个特别有效的方法是生成一棵决策树,该方法广泛应用与数据挖掘和机器学****等领域,用来解释用分类相关的问题,决策树表示法是应用最广泛的逻辑方法之一。目前生成决策树方法的算法主要有三种:CART算法、。,是发展比较完善的一种决策树算法。
weka平台的简述
WEKA是新西兰Waikato大学开发的全面的数据挖掘系统,它不仅提供了多种数据挖掘方法的多种常用算法进行知识发现,还提供了适用于任意数据集的数据预处理功能,以及算法性能评估的多种方法。本系统就是基于WEKA平台上对学生成绩进行决策树分析。

第二章决策树在学生成绩中的应用

先调用出我们所需要的数据资料,
如下:
姓名
数学分析
高等代数
近世代数
C语言
C++
成微分方程
卢攀
71
93
83
78
86
86
李峰
78
95
81
84
87