CART算法在學生成績分析中的應用研究.pdf

1、在“數(shù)據(jù)爆炸，知識貧乏”的網(wǎng)絡時代，人們希望能夠對數(shù)據(jù)進行更高層次的分析，以便更好的利用這些數(shù)據(jù)。于是，數(shù)據(jù)挖掘技術應運而生，并顯示出強大的生命力。如今，數(shù)據(jù)挖掘技術正在不斷地完善，而且已經(jīng)應用的領域十分廣泛，但是在教學中的應用還不是非常廣。本文把數(shù)據(jù)挖掘應用到學生的成績分析中，可以找到影響學生成績的因素，預測學生的成績，從而有針對性地對學生進行輔導，提高教學質量。
　　 本文首先介紹了本課題的研究背景及意義，然后介紹了數(shù)據(jù)挖掘

2、的概念、技術、過程等。因為決策樹容易理解、效率高、精確度高等特點，本文選擇了決策樹作為數(shù)據(jù)挖掘的工具。
　　 論文的第三章重點介紹了決策樹的算法，并且從屬性選擇度量的角度介紹了典型的決策樹算法，包括ID3，C4.5和CART算法。對在應用中用到的CART算法，本文對它做了非常具體的探討，在介紹算法的同時進行了舉例說明，并特別指出了CART樹中分類和回歸的區(qū)別所在。
　　 論文的第四章按照數(shù)據(jù)挖掘的流程實踐了決策樹中的CA

3、RT算法在學生成績分析中的應用，建立了預測學生成績的四個模型，并對模型的準確度進行了評估，計算出泛化誤差。從模型中可以看到影響學生成績的因素有哪些，哪些比較重要。用于挖掘的決策屬性有11個之多，而在模型中有些并沒有出現(xiàn)。越靠近決策樹根部的屬性越重要，對成績的影響也越大。通過模型還可以預測出未開課的學生的大致成績，這樣，教師在教學前就能對學生做到心中有數(shù)，有的放矢。
　　 論文在最后提出了CART樹的改進算法--隨機森林，首先介紹

4、了它的概念和特點。隨機森林是一個組合分類器算法，由許多單棵分類回歸樹(CART)組合而成，最后通過簡單多數(shù)投票法決定最終分類結果。在本文用到的回歸樹中，所有CART樹的預測值的平均值作為預測結果。為了能和單棵CART樹的準確率進行對比，本文分別選取了1課，5棵，10棵，20課，30課做成了五個大小不一的隨機森林，并計算五種情況下的泛化誤差。經(jīng)過實驗發(fā)現(xiàn)，隨著樹的數(shù)目的增加，泛化誤差逐漸減小。
　　 本文主要研究并實現(xiàn)了CARPT