基于改進(jìn)apriori算法的大學(xué)成績(jī)關(guān)聯(lián)規(guī)則

《基于改進(jìn)apriori算法的大學(xué)成績(jī)關(guān)聯(lián)規(guī)則》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于改進(jìn)Apriori算法的大學(xué)成績(jī)關(guān)聯(lián)規(guī)則　　摘要　　大學(xué)教學(xué)信息系統(tǒng)數(shù)據(jù)中隱藏著大量有潛在價(jià)值的信息。利用數(shù)據(jù)挖掘技術(shù)對(duì)大學(xué)教務(wù)系統(tǒng)的海量數(shù)據(jù)進(jìn)行分析，發(fā)掘出對(duì)教學(xué)有利的規(guī)律和因素，對(duì)大學(xué)的教學(xué)改革和教學(xué)研究有著重要的意義。本文提出一種改進(jìn)的Apriori關(guān)聯(lián)規(guī)則分析算法來提高大學(xué)成績(jī)分析的效率和規(guī)則的可信性；并通過數(shù)據(jù)挖掘工具IBMSPSSModeler建立了大學(xué)成績(jī)關(guān)聯(lián)規(guī)則分析模型；最后，以某大學(xué)信管專業(yè)2008-2012級(jí)全部學(xué)生的課程成績(jī)數(shù)據(jù)進(jìn)行實(shí)證研究?！　　娟P(guān)鍵詞】數(shù)據(jù)挖掘大學(xué)成績(jī)關(guān)聯(lián)規(guī)則Apriori

2、算法　　隨著高校信息化建設(shè)的推進(jìn)，高校的教學(xué)信息系統(tǒng)數(shù)據(jù)存儲(chǔ)量日益增大。用戶通常只是在信息系統(tǒng)上進(jìn)行錄入、匯總、查詢等一些簡(jiǎn)單的業(yè)務(wù)處理，大多沒有意識(shí)到海量數(shù)據(jù)背后的價(jià)值，也沒有充分發(fā)掘海量教務(wù)數(shù)據(jù)中蘊(yùn)含的大量潛在的有用規(guī)律為教學(xué)決策提供依據(jù)。本文運(yùn)用數(shù)據(jù)挖掘技術(shù)，對(duì)大學(xué)成績(jī)數(shù)據(jù)進(jìn)行挖掘，分析大學(xué)成績(jī)之間的關(guān)聯(lián)規(guī)則，對(duì)教學(xué)決策和教學(xué)安排提供有效的理論支持?！　?基于改進(jìn)Apriori算法的大學(xué)成績(jī)分析模型　　1.1Apriori算法在大學(xué)成績(jī)分析中的局限性　　Apriori算法是一種經(jīng)典的布爾型關(guān)聯(lián)規(guī)則算法。該算法通過

3、多次逐層搜索數(shù)據(jù)庫中數(shù)據(jù)集，利用頻繁項(xiàng)集的先驗(yàn)知識(shí)對(duì)候選集進(jìn)行剪枝，并對(duì)產(chǎn)生頻繁項(xiàng)集進(jìn)行多次迭代，直到數(shù)據(jù)集中沒有頻繁集的方法。Apriori算法比?^復(fù)雜且有一定局限性，主要體現(xiàn)在以下幾個(gè)方面：　?。?）降低支持度閾值通常將會(huì)導(dǎo)致更多的項(xiàng)集是頻繁的，這給算法的計(jì)算復(fù)雜度帶來很不利影響。因?yàn)楸仨毊a(chǎn)生更多候選項(xiàng)集并對(duì)其計(jì)數(shù)，同時(shí)頻繁項(xiàng)集最大長(zhǎng)度增加，算法需要掃描次數(shù)也將增多?！　。?）Apriori算法計(jì)算項(xiàng)集的支持度需要反復(fù)掃描數(shù)據(jù)集，所以隨著事務(wù)數(shù)增加，它的運(yùn)行時(shí)間增加。　?。?）隨著項(xiàng)數(shù)的增加，需要更多的空間來存儲(chǔ)

4、項(xiàng)的支持度計(jì)數(shù)。如果頻繁集的數(shù)目更多，產(chǎn)生候選集更多，增加計(jì)算量和I/O開銷。　?。?）候選剪枝方法增加計(jì)算量?！　。?）在現(xiàn)實(shí)中數(shù)據(jù)挖掘中，置信度并不一定能體現(xiàn)規(guī)則的可信度，即置信度的高低不代表規(guī)則的可信賴的高低，因?yàn)樗雎粤艘?guī)則后件中項(xiàng)集的支持度?！　?.2改進(jìn)的Apriori算法　　基于Apriori算法的局限性，結(jié)合大學(xué)成績(jī)分析的要求本文做了兩個(gè)改進(jìn)：　　1.2.1新的剪枝方法　　采用一種新的方法改進(jìn)候選產(chǎn)生與剪枝，減少計(jì)算量和重復(fù)掃描數(shù)據(jù)庫的次數(shù)。在apriori_gen函數(shù)中候選項(xiàng)集的產(chǎn)生過程中合并一對(duì)頻繁

5、（k-1）-項(xiàng)集（僅當(dāng)它們的前k-2個(gè)項(xiàng)相同）。在候選項(xiàng)集的剪枝時(shí)運(yùn)用頻繁集的先驗(yàn)原理，確保它的子集都是頻繁集，否則立即剪枝?！　?.2.2以提升率代替置信度　　基于上述置信度的局限性，本文中運(yùn)用用提升率來代替置信度以確保規(guī)則的可信度。提升率是規(guī)則的置信度和規(guī)則后件中項(xiàng)集的支持度之間的比率，計(jì)算公式如下：　　當(dāng)Lift（X→Y）>1時(shí)，表示X對(duì)Y有誘導(dǎo)作用，即X與Y正相關(guān)，提升率越高正相關(guān)程度就越大；　　當(dāng)Lift（X→Y）=1時(shí)，表示X與Y相互獨(dú)立，沒有相關(guān)性；　　當(dāng)Lift（X→Y）<1時(shí)，表示X對(duì)Y有抑制作用，即

6、X與Y負(fù)相關(guān)，提升率越高負(fù)相關(guān)程度就越大。　　1.3基于改進(jìn)Apriori算法的大學(xué)成績(jī)分析模型的構(gòu)建　　采用改進(jìn)后的Apriori算法，在Modeler中建立大學(xué)成績(jī)關(guān)聯(lián)規(guī)則分析模型。模型的建立流程如圖1所示?！　　皵?shù)據(jù)”節(jié)點(diǎn)：基于數(shù)據(jù)導(dǎo)出的格式，本文選用.xls?！　　邦愋汀惫?jié)點(diǎn)：讀取數(shù)據(jù)的類型，設(shè)置數(shù)據(jù)的輸入和輸出方向?！　　疤畛洹惫?jié)點(diǎn)：對(duì)于數(shù)據(jù)的缺失值，根據(jù)數(shù)據(jù)的格式，進(jìn)行數(shù)據(jù)填充，可以是0或NULL?！　　斑^濾”節(jié)點(diǎn)：過濾與分析對(duì)象不一致的字段?！　　癆priori”節(jié)點(diǎn)：是分析算法模型，可以直接設(shè)置最小支持

7、度和最小置信度?！　?實(shí)證研究　　2.1數(shù)據(jù)的來源　　本文大學(xué)生成績(jī)數(shù)據(jù)來源于某大學(xué)教務(wù)信息系統(tǒng)。通過SQL連接查詢，得到“學(xué)期”、“班級(jí)名稱”、“學(xué)號(hào)”、“課程名稱”、“課程性質(zhì)”、“課程平臺(tái)名稱”、“考試方式”、“總評(píng)成績(jī)”10個(gè)字段的2008-2012級(jí)信管專業(yè)所有學(xué)生的15684條記錄，導(dǎo)出到Excel。　　2.2數(shù)據(jù)預(yù)處理　　2.2.1數(shù)據(jù)清洗　　首先，運(yùn)用Excel自動(dòng)篩選，將“課程性質(zhì)”為“素質(zhì)課”的記錄全部刪除；然后，對(duì)全部記錄進(jìn)行排序：主要關(guān)鍵字“學(xué)號(hào)”，第二關(guān)鍵字“課程名稱”，第三關(guān)鍵字“總評(píng)成績(jī)”

8、；再后，根據(jù)“學(xué)期”，“總評(píng)成績(jī)”保留首考成績(jī)?！　?.2.2數(shù)據(jù)離散化　　初步清洗過的數(shù)據(jù)是考試課100制數(shù)值型、CET考試710分制數(shù)值型、考查課{“優(yōu)秀”，“良好”，“中等”，“及格”，“不及格”}離散型。運(yùn)用下述規(guī)則將數(shù)據(jù)進(jìn)行離散化：　?。?）課程性質(zhì)：“必修課”→1、“選修課”→2；　?。?）考試方式：“考試”→1、“考