改進(jìn)的ID3決策樹分類算法在成績(jī)分析中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是20世紀(jì)末興起的數(shù)據(jù)智能分析技術(shù)，它可以從數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)以及其它各種數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)中，自動(dòng)抽取或發(fā)現(xiàn)有用的模式知識(shí)。在這一過(guò)程中，數(shù)據(jù)分類是數(shù)據(jù)挖掘領(lǐng)域研究的重要課題。目前用于分類的方法有很多種，其中決策樹分類方法以其算法理論清晰、易被理解以及容易轉(zhuǎn)換成分類規(guī)則等優(yōu)點(diǎn)而被廣泛研究與應(yīng)用。 本文以“嵌入式系統(tǒng)網(wǎng)上智能教學(xué)平臺(tái)”建設(shè)為背景，目的是研究如何將數(shù)據(jù)挖掘技術(shù)與現(xiàn)有的數(shù)據(jù)庫(kù)系統(tǒng)相結(jié)合，從海量特征的數(shù)據(jù)中提取出

2、隱藏在數(shù)據(jù)之中的有用信息，為系統(tǒng)管理者和決策者提供綜合分析。通過(guò)對(duì)數(shù)據(jù)挖掘基本原理、基本算法的研究。開發(fā)了基于決策樹算法的學(xué)生評(píng)估工具模塊。以改進(jìn)的決策樹ID3算法為基礎(chǔ)，根據(jù)學(xué)生成績(jī)庫(kù)中的信息以及其它庫(kù)中有關(guān)學(xué)生基本數(shù)據(jù)的信息，建立一個(gè)決策樹成績(jī)?cè)u(píng)估模型，對(duì)學(xué)生進(jìn)行相應(yīng)的綜合分析評(píng)估。 通過(guò)對(duì)幾種典型的決策樹算法進(jìn)行分析比較，本文提出一種改進(jìn)的ID3算法。該算法的思想是首先將泰勒公式原理與ID3算法的屬性選擇標(biāo)準(zhǔn)一信息熵的求解

3、相結(jié)合，對(duì)ID3算法信息熵的求解進(jìn)行簡(jiǎn)化，改變了決策樹算法中屬性選擇的標(biāo)準(zhǔn)，減小了算法的計(jì)算復(fù)雜度，提高了算法運(yùn)行效率：然后再賦予每個(gè)屬性簡(jiǎn)化后的信息熵一個(gè)權(quán)值N，N的取值取決于每個(gè)屬性的取值個(gè)數(shù)，用以平衡每個(gè)屬性對(duì)數(shù)據(jù)集的不確定程度，使得屬性的選擇更加合理化，避免選擇的屬性與實(shí)際不相符。 最后在Eclipse平臺(tái)上利用Java語(yǔ)言分別實(shí)現(xiàn)改進(jìn)前后的ID3算法。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的ID3算法提高了決策樹的構(gòu)建速度，減少了算法的