基于決策樹技術(shù)的數(shù)據(jù)挖掘的應(yīng)用

《基于決策樹技術(shù)的數(shù)據(jù)挖掘的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于決策樹技術(shù)的數(shù)據(jù)挖掘的應(yīng)用　　摘要數(shù)據(jù)挖掘技術(shù)對于處理還有大量數(shù)據(jù)的數(shù)據(jù)集具有十分重要的作用，而對于數(shù)據(jù)的分類中，我們常常使用決策樹分類法。該方法被廣泛用于處理數(shù)據(jù)的分類問題.決策樹分類法在我們的生產(chǎn)、生活、學(xué)習(xí)等數(shù)據(jù)挖掘中具有十分重要的作用，它是數(shù)據(jù)挖掘中進行預(yù)測和分類研究的主要技術(shù)?！　　娟P(guān)鍵詞】數(shù)據(jù)挖掘決策樹分類　　數(shù)據(jù)挖掘中的分類任務(wù)主要是為了確定對象屬于哪個預(yù)定義的目標(biāo)類。在我們的日常生活中，這一問題普遍存在，例如我們會根據(jù)需要來檢查接受到的電子郵件是否為垃圾郵件。在數(shù)據(jù)挖掘中的所有分類方法里，決策樹分類法是一種最為簡單且被廣

2、泛使用的分類方法。　　1決策樹分類法的工作原理　　決策樹是一種由結(jié)點和有向邊組成的層次結(jié)構(gòu)，它主要有根節(jié)點、內(nèi)部結(jié)點和葉結(jié)點構(gòu)成。當(dāng)我們分析一個分類實例時可以先去建立一個決策樹，根據(jù)決策樹分類，從決策樹的根節(jié)點開始，將測試的條件用于記錄的檢驗，根據(jù)測試結(jié)果選擇相應(yīng)的分支到達另一個內(nèi)部節(jié)點，經(jīng)過一個新的選擇條件或者選擇相應(yīng)的分支到達一個葉節(jié)點。最終都會到達一個葉節(jié)點，這一葉節(jié)點的類別即為被賦值給此檢驗記錄的?！　?決策樹的建立過程　　人們開發(fā)了一些決策樹構(gòu)造算法，主要采用的是貪吃算法的思想，利用局部最優(yōu)的方法來建立決策樹。算法分為兩步，第一步

3、，決策樹的生成過程。第二步，決策樹的剪枝，如圖1所示?！　?決策樹構(gòu)造算法　?。?）導(dǎo)入決策樹構(gòu)造過程中所需要的函數(shù)庫；　?。?）查看需要構(gòu)造決策樹的源數(shù)據(jù)；　?。?）通過rpart函數(shù)構(gòu)造一個決策樹；　?。?）查看決策樹的一些具體的信息和內(nèi)容；　　（5）繪制出決策樹圖；　　（6）對決策樹進行適當(dāng)?shù)募糁?，防止過擬合，使得樹能夠較好地反映數(shù)據(jù)內(nèi)在的規(guī)律并在實際應(yīng)用中有意義；　?。?）對剪枝后的決策樹圖進行繪制，得到最終的決策樹，對其進行相應(yīng)分析和研究。　　4決策樹技術(shù)在職業(yè)院校學(xué)生的成績分析中的研究與應(yīng)用　　4.1決策樹技術(shù)在職業(yè)院校學(xué)生的成

4、績分析中的研究與應(yīng)用的意義　　現(xiàn)如今，國家開始越來越重視職業(yè)教育，各個職業(yè)院校開始不斷的擴大招生的規(guī)模，越來越多的學(xué)生開始選擇進入職業(yè)院校去學(xué)習(xí)一門扎實的技術(shù)。這些改變不僅了影響了傳統(tǒng)的招生模式，也影響了教師對學(xué)生的成績的評定方法。對于職業(yè)院校的學(xué)生的成績并不能單純通過考試的分?jǐn)?shù)來評定學(xué)生的學(xué)習(xí)水平，而是要綜合考量學(xué)生的知識和技能水平。不少職業(yè)院校開始使用數(shù)據(jù)挖掘技術(shù)分析學(xué)生的學(xué)習(xí)成績，這不僅可以對學(xué)生的學(xué)業(yè)水平做出更科學(xué)的評定，而且對提高教學(xué)管理水平起到了很好的指導(dǎo)作用?！　?.2決策樹技術(shù)在職業(yè)院校學(xué)生的成績分析中的研究與應(yīng)用的過程　　

5、4.2.1確定數(shù)據(jù)挖掘的對象及挖掘的目標(biāo)　　本文對數(shù)據(jù)挖掘中的分類技術(shù)的研究，利用的是某校動畫設(shè)計班的Flash動畫制作課程的期末考試成績。通過決策樹技術(shù)，找到對于學(xué)生成績的主要影響要素，對教師的教學(xué)及學(xué)校的管理提供相應(yīng)的幫助?！　?.2.2數(shù)據(jù)的收集與預(yù)處理　　我們將所要使用的數(shù)據(jù)進行收集和整理，其中包括了20名學(xué)生的學(xué)號、出勤情況、上機作業(yè)的完成情況、成績、試卷難易、興趣。部分?jǐn)?shù)據(jù)如表1所示?！　?.2.3算法的選定　　通過分析成績數(shù)據(jù)的特點，此次研究我們將采用決策樹技術(shù)中的ID3算法來建立決策樹?！　〉谝徊剑嬎沆亍　∪握n教師對學(xué)生的

6、成績評定結(jié)果中等級為A的共有8人，等級為B的共有7人，等級為C的共有5人。我們把樣本數(shù)據(jù)S記為S1=8，S2=7，S3=5，計算熵?！　nfo（S）==0.469　　第二步，計算信息增益　　學(xué)生的出勤情況中，出勤較好等級為A的有7名同學(xué)，其中有5個測試成績?yōu)锳，2個為B；出勤為B的有10個同學(xué)，其中有3個成績?yōu)锳，5個成績?yōu)锽，2個成績?yōu)镃；出勤為C的有3個，成績均為C。計算熵：　　Info（A）=0.26　　Info（B）==0.447　　Info（S）==0　　計算增益：　　Gain（出勤）=Info（S）-（7/20）*Info（A

7、）-（10/20）*Info（B）-（3/20）*Info（C）=0.15　　以上機作業(yè)作為根的決策樹的熵和增益：　　Info（A）=0.26　　Info（B）==0.47　　Info（C）=0.29　　Gain（上機作業(yè)）=Info（S）-（7/20）*Info（A）-（8/20）*Info（B）-（5/20）*Info（C）=0.118　　以學(xué)生對于試卷難度的評定為根節(jié)點時：　　Info（高）==0.47　　Info（中）==0.45　　Info（低）=0.3　　Gain（試卷難度）=Info（S）-（7/20）*Info（高）-（11

8、/20）*Info（中）-（2/20）*Info（低）=0.027　　以學(xué)生興趣作為根節(jié)點時：　　Info（感興趣）==0.37　　Info（一般）==0.42　　Info（不感