基于apriori算法的高校學(xué)生成績數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘分析

《基于apriori算法的高校學(xué)生成績數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、基于Apriori算法的高校學(xué)生成績數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘分析　　摘要高校在長期的教學(xué)管理過程中積累了海量的學(xué)生成績信息，但是普遍的對于成績的分析處理工作還停留在簡單的查詢、分析和統(tǒng)計階段。本文利用關(guān)聯(lián)規(guī)則Apriori算法，以學(xué)生成績數(shù)據(jù)為研究對象，挖掘課程之間的相互關(guān)系，為科學(xué)的制定人才培養(yǎng)方案，提高高校人才培養(yǎng)質(zhì)量進(jìn)行了積極地探索與研究【關(guān)鍵詞】成績分析關(guān)聯(lián)規(guī)則Apriori算法1數(shù)據(jù)挖掘數(shù)據(jù)挖掘其實就是從大量、有噪聲、隨機(jī)性、不完全、模糊的應(yīng)用數(shù)據(jù)中，提取并隱藏在應(yīng)用數(shù)據(jù)中心、人們不知道但是有價值的信息和知識的過程，通過數(shù)據(jù)挖掘系統(tǒng)能夠自動分析原有數(shù)據(jù)，并作出

2、歸納總結(jié)，挖掘出數(shù)據(jù)原有的模式，為決策者提供參考價。數(shù)據(jù)挖掘包括數(shù)據(jù)倉庫、預(yù)處理、分類聚類、關(guān)聯(lián)分析等。關(guān)聯(lián)分析是數(shù)據(jù)挖掘最貼近我們生活的一部分了，登錄亞馬遜網(wǎng)站，當(dāng)我們挑選一本《Android4高級編程》時，網(wǎng)站會不失時機(jī)的列出你可能還會感興趣的書籍，如Android游戲開發(fā)、Cocos2d-x引擎等，讓我們的購物車變得更充實，而錢包又空了些數(shù)據(jù)挖掘是一門綜合了統(tǒng)計學(xué)、信息技術(shù)、人工智能等多項技術(shù)。其中數(shù)據(jù)挖掘聚類和決策樹則是機(jī)器學(xué)習(xí)理論知識。關(guān)聯(lián)性規(guī)則挖掘技術(shù)對數(shù)據(jù)挖掘技術(shù)具有非常重大的意義，它進(jìn)一步擴(kuò)展了數(shù)據(jù)挖掘的研究，到如今已經(jīng)成為了數(shù)據(jù)挖掘領(lǐng)域中的一個

3、分支。關(guān)聯(lián)性規(guī)則不僅體現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)，更為重要的是關(guān)聯(lián)系規(guī)則的表達(dá)簡潔，便于理解，近年來已經(jīng)成為數(shù)據(jù)挖掘技術(shù)研究領(lǐng)域的熱點話題2關(guān)聯(lián)規(guī)則Apriori算法Apriori算法是關(guān)聯(lián)規(guī)則算法之一。Apriori算法的第一遍僅僅計算每個項目的具體指的數(shù)量，以確定大型1項集。隨后的遍歷，第k次遍歷，包括兩個階段。首先，使用在第（k-1）次遍歷中找到的大項集Lk-1和Apriori-gen函數(shù)產(chǎn)生候選項集。接著掃描數(shù)據(jù)庫，計算中候選的支持度，從而得到中的支持度不小于最小支持度的k階大項集。重復(fù)以上步驟，直到某一階的大項集為空時，算法停止Apriori算法指導(dǎo)我們，如果要

4、發(fā)現(xiàn)強(qiáng)關(guān)聯(lián)規(guī)則，就必須先找到頻繁集。所謂頻繁集，即支持度大于最小支持度的項集。如何得到數(shù)據(jù)集合D中的所有頻繁集呢？用一種非常原始的辦法來分析，就是對于數(shù)據(jù)集D，遍歷每一條記錄T，可以得到T的所有子集，然后計算每一個子集的支持度，最后再將結(jié)果與最小支持度比較。我們暫且不管數(shù)據(jù)集D中有多少條記錄，就說每一條記錄T的子集個數(shù)，{1，2，3}的子集有{1}，{2}，{3}，{1，2}，{2，3}，{1，3}，{1，2，3}，即如果記錄T中含有n項，那么它的子集個數(shù)是-1。計算量是非常大的，很明顯這種方法是不可取的因此，Aprior算法提出了一個逐層搜索的方法，如何逐層搜

5、索呢？包含兩個步驟：（1）自連接獲取候選集。第一輪的候選集就是數(shù)據(jù)集D中的項，而其他輪次的候選集則是由前一輪次頻繁集自連接得到（頻繁集由候選集剪枝得到）（2）對于候選集進(jìn)行剪枝。如何剪枝呢？候選集的每一條記錄T，如果它的支持度小于最小支持度，那么就會被剪掉；此外，如果一條記錄T，它的子集有不是頻繁集的，也會被剪掉算法的終止條件是，如果自連接得到的已經(jīng)不再是頻繁集，那么取最后一次得到的頻繁集作為結(jié)果3教務(wù)管理系統(tǒng)中的學(xué)生成績數(shù)據(jù)挖掘?qū)W生的考試成績不僅體現(xiàn)了學(xué)生階段性的學(xué)習(xí)效果，而且是檢驗學(xué)校教學(xué)效果的重要依據(jù)。為了提高學(xué)校教學(xué)質(zhì)量，所以必須對學(xué)生的考試成績進(jìn)行數(shù)據(jù)

6、挖掘，挖掘出學(xué)生考試成績背后的關(guān)鍵性因素，可以從學(xué)生的性別、專業(yè)、課程、入學(xué)成績、老師對學(xué)生的考核評價等因素為切入點，分析這些因素對學(xué)生成績產(chǎn)生的影響，并找出各個要素之間的潛在規(guī)律，從而分析出影響學(xué)生考試成績的主要因素，并預(yù)測學(xué)生哪一部分成績還需要進(jìn)一步加強(qiáng)。采用關(guān)聯(lián)系規(guī)則對學(xué)生成績進(jìn)行數(shù)據(jù)挖掘，通過數(shù)據(jù)倉庫查看各個專業(yè)學(xué)生課程成績單，并分析各個課程與其他課程之間的關(guān)聯(lián)和影響，從而制定專業(yè)的人才培養(yǎng)計劃。在制定計劃的時候，依次從公共課、專業(yè)課到拓展課等方面設(shè)置相關(guān)課程。不同的專業(yè)開設(shè)課程的時間不同，開課時間次序?qū)W(xué)生學(xué)習(xí)后續(xù)課程會產(chǎn)生一定的影響。但是過去很多高校

7、在課程安排上比較隨意，通常都是高校教務(wù)處的人根據(jù)過去的教學(xué)經(jīng)驗和主觀認(rèn)知，安排學(xué)生的課程時間。然而每一門課程都有它的特點，比如體育課學(xué)生可能需要大量的運動，消耗的體能比較多，運動過后學(xué)生無論精神上還是身體上都比較疲憊，這個時候上課的效果就不太好，所以在安排課程的時候，盡量將體育課安排到下午的時間段，這樣不會學(xué)校其他課程的教學(xué)效果。通過關(guān)聯(lián)性分析，找出每一門課程的影響因素，合理安排課程的先后順序，為人才方案制定者提供科學(xué)的決策依據(jù)我們從教務(wù)管理系統(tǒng)中選取1000名軟件技術(shù)專業(yè)學(xué)生的成績，根據(jù)學(xué)生成績進(jìn)行數(shù)據(jù)挖掘，部分成績數(shù)據(jù)如表1所示根據(jù)學(xué)生考試成績表，分析學(xué)生不

8、及格科目之間的關(guān)系，60