劉靜

（阜陽(yáng)師范學(xué)院 教育科學(xué)學(xué)院，安徽 阜陽(yáng) 236037）

基于決策樹(shù)技術(shù)的CET-4成績(jī)數(shù)據(jù)挖掘研究

劉靜

（阜陽(yáng)師范學(xué)院 教育科學(xué)學(xué)院，安徽 阜陽(yáng) 236037）

本文運(yùn)用決策樹(shù)分類技術(shù)進(jìn)行數(shù)據(jù)挖掘，從中發(fā)現(xiàn)CET-4考試四個(gè)部分對(duì)總成績(jī)的影響程度.其中由決策樹(shù)提取出分類規(guī)則，對(duì)于大學(xué)英語(yǔ)教學(xué)具有一定的指導(dǎo)意義.

數(shù)據(jù)挖掘；決策樹(shù)；ID3算法

1 引言

CET-4考試是國(guó)家教育部組織的標(biāo)準(zhǔn)化英語(yǔ)教學(xué)水平考試，教育管理機(jī)構(gòu)把它當(dāng)作檢查大學(xué)英語(yǔ)教學(xué)效果的一個(gè)有效尺度.每一年學(xué)校的數(shù)據(jù)庫(kù)系統(tǒng)中都存放著海量的CET-4成績(jī)信息，學(xué)校的數(shù)據(jù)庫(kù)能夠?qū)崿F(xiàn)數(shù)據(jù)的快速錄入、查找、計(jì)算等操作，卻無(wú)法發(fā)現(xiàn)成績(jī)數(shù)據(jù)中隱藏的關(guān)系和規(guī)則.本文主要研究的就是如何從海量數(shù)據(jù)中發(fā)現(xiàn)隱藏的關(guān)系和規(guī)則，分析潛在影響學(xué)生成績(jī)的因素，從而為提高教學(xué)質(zhì)量與教育管理提供依據(jù).

2 數(shù)據(jù)挖掘決策樹(shù)技術(shù)

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)算法發(fā)現(xiàn)隱藏于其中關(guān)系和規(guī)則的過(guò)程.數(shù)據(jù)挖掘有很多領(lǐng)域，分類就是非常重要的一個(gè)分支.決策樹(shù)是一種較為流行的分類技術(shù)，采用自頂向下的遞歸方式生成一個(gè)類似于流程圖的樹(shù)型結(jié)構(gòu).

3 ID3算法

1986年J·Ross Quinlan提出了著名的ID3算法.該算法就是信息增益屬性劃分，找出分裂后信息增益屬性最大的再次劃分.然后繼續(xù)同樣的過(guò)程，直到生成的決策樹(shù)能完美分類訓(xùn)練樣例.

4 決策樹(shù)技術(shù)在CET-4成績(jī)分析中的應(yīng)用

4.1數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理

4.1.1數(shù)據(jù)的獲取

從教務(wù)處下載了我校普通本科班2012屆學(xué)生某專業(yè)某次四級(jí)成績(jī)匯總表.

圖1　大學(xué)英語(yǔ)四級(jí)成績(jī)?cè)紨?shù)據(jù)

4.1.2數(shù)據(jù)預(yù)處理

去除原有數(shù)據(jù)源EXCEL表格中的不相關(guān)字段，保留CET-4總成績(jī)、聽(tīng)力成績(jī)、閱讀成績(jī)、寫(xiě)作成績(jī)、綜合測(cè)試成績(jī).使用忽略元組的方法將缺考學(xué)生的記錄刪除，共計(jì)175條.經(jīng)過(guò)數(shù)據(jù)預(yù)處理后參加模型構(gòu)建的樣本數(shù)共計(jì)3384條，而預(yù)處理前的樣本總數(shù)是3559條，樣本的有效率達(dá)90.8%.

將樣本數(shù)據(jù)進(jìn)行離散化的處理.CET-4考試的試卷總分?jǐn)?shù)為710分，將425分作為分割點(diǎn)，把CET-4成績(jī)字段y離散為“pass”、“nopass”兩個(gè)部分.

聽(tīng)力部分滿分249分，閱讀部分滿分249分，寫(xiě)作和翻譯部分滿分142分，綜合部分滿分70分.分別將聽(tīng)力字段（st）、閱讀字段（sy）、寫(xiě)作和翻譯字段（sx）、綜合字段（sz）的所有記錄按照 st＜=125、125＜=st＜199、st＞=199、sy＜=125、125＜=sy＜199、sy＞=199、sx＜=71、71＜=sx＜100、st＞=100、sz＜35、35＜=sz＜45、sz＞=45離散化為“C”、“B”、“A”三段.

4.2決策樹(shù)分類模型的構(gòu)造

根據(jù)ID3算法構(gòu)造決策樹(shù)，操作過(guò)程如下：

（1）計(jì)算決策樹(shù)分類屬性的期望信息量

經(jīng)過(guò)數(shù)據(jù)預(yù)處理、離散化操作后，用于構(gòu)造決策樹(shù)的記錄為3384條，其中，“pass”和“nopass”記錄分別為2015條、1359條.由公式定計(jì)算出分類屬性的期望信息量為：

（2）依次算出st、sy、sx、sz 4個(gè)屬性字段的信息量

算出st屬性字段的信息量.st值為“C”的樣本數(shù)707個(gè)，記為 (25,682)；st值為“B”的樣本數(shù)2580個(gè)，記為(1893,687)；st值為“A”的樣本數(shù)97個(gè)，記為（97,0）.

計(jì)算sy的信息量.sy值為“C”的樣本數(shù)468個(gè)，記為（7,461）；sy值為“B”的樣本數(shù)2747個(gè)，記為（1839,908）；sy值為“A”的樣本數(shù)169個(gè)，記為（169,0）.

計(jì)算sz的信息量.sz值為“C”的樣本數(shù)442個(gè)，記為（53,389）；sz值為“B”的樣本數(shù)2360個(gè)，記為（1414,946）；sz值為“A”的樣本數(shù)582個(gè)，記為（548,34）.

計(jì)算sx的信息量.sx值為“C”的樣本數(shù)645個(gè)，記為（59,586）；sx值為“B”的樣本數(shù)2333個(gè)，記為（1560,773）；sx值為“A”的樣本數(shù)406個(gè)，記為（396,10）.

（3）分別計(jì)算st、sy、sx、sz的信息熵

（4）分別計(jì)算出st、sy、sx、sz的信息增益量

比較以上4個(gè)屬性字段的信息增益量，找出信息增益量最大的st字段，把該字段當(dāng)作決策樹(shù)的根節(jié)點(diǎn)，計(jì)算st字段的3個(gè)屬性值構(gòu)造出下面的分支.

圖2　CET-4決策樹(shù)

（5）提取分類規(guī)則

研究顯示，在CET-4考試中，對(duì)CET-4分?jǐn)?shù)影響最大的是聽(tīng)力部分，然后是閱讀，接下來(lái)是寫(xiě)作和綜合.下面從決策樹(shù)模型中，根據(jù)分類結(jié)果為“pass”或“nopass”，提取得到了學(xué)生能否能夠通過(guò)CET-4考試的分類規(guī)則.

提取出CET-4考試結(jié)果為“pass”的分類規(guī)則為：

IF“st”=“A”，THEN分類結(jié)果是“pass”；

IF“st”=“B”AND“sy”=“A”，THEN分類結(jié)果是“pass”；

IF“st”=“B”AND“sy”=“B”AND“sx”=“B”，THEN分類結(jié)果是“pass”；

IF“st”=“B”AND“sy”=“B”AND“sx”=“A”，THEN分類結(jié)果是“pass”；

IF“st”=“B”AND“sy”=“B”AND“sx”=“B”AND“sz”=“A”，THEN分類結(jié)果是“pass”；

提取出CET-4考試結(jié)果為“nopass”的規(guī)則為：

IF“st”=“C”，THEN分類結(jié)果是“nopass”；

IF“st”=“B”AND“sy”=“C”，THEN分類結(jié)果是“nopass”；

IF“st”=“B”AND“sy”=“B”AND“sx”=“B”AND“sz”=“C”，THEN分類結(jié)果是“nopass”；

IF“st”=“B”AND“sy”=“B”AND“sx”=“B”AND“sz”=“B”，THEN分類結(jié)果是“nopass”.

5 結(jié)論

由決策樹(shù)提取出來(lái)的分類規(guī)則，可以輔助指導(dǎo)大學(xué)生的英語(yǔ)學(xué)習(xí).CET-4考試中，聽(tīng)力部分對(duì)能否通過(guò)CET-4考試起到了關(guān)鍵性的作用；然后，是閱讀部分，對(duì)CET-4考試影響較大；最后，寫(xiě)作部分和綜合部分對(duì)CET-4考試的影響較小.在英語(yǔ)學(xué)習(xí)中有些學(xué)生認(rèn)為，CET-4考試中，閱讀和寫(xiě)作是決定CET-4成績(jī)高低的關(guān)鍵，這種認(rèn)識(shí)缺少科學(xué)依據(jù)，學(xué)生需要扭轉(zhuǎn)觀念，盡早調(diào)整自己的英語(yǔ)學(xué)習(xí)計(jì)劃，將聽(tīng)力部分作為復(fù)習(xí)重點(diǎn)來(lái)強(qiáng)化練習(xí).同學(xué)們?cè)趥淇嫉倪^(guò)程中，可以參考決策樹(shù)模型以及分類規(guī)則的結(jié)果，找出自己英語(yǔ)學(xué)習(xí)中的短板，進(jìn)一步強(qiáng)化自己的長(zhǎng)項(xiàng)，制定適合自己的學(xué)習(xí)目標(biāo)和學(xué)習(xí)計(jì)劃，進(jìn)行針對(duì)性的復(fù)習(xí)，科學(xué)有效的提高CET-4成績(jī).

〔1〕Jiawei Han，Micheline Kamber.數(shù)據(jù)挖掘:概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社，2007.188-198.

〔2〕王永梅，胡學(xué)鋼.決策樹(shù)中ID3算法的研究[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011(3)：35-37.

〔3〕劉紅巖，等.數(shù)據(jù)挖掘中的數(shù)據(jù)分類綜述[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版）,2002,42(6):727-730.

〔4〕陳昌川.數(shù)據(jù)挖掘在大學(xué)英語(yǔ)考試中的應(yīng)用研究[D].重慶:重慶大學(xué),2009.

〔5〕韓亞峰.P2P流媒體數(shù)據(jù)調(diào)度策略研究[J].河南科技學(xué)院學(xué)報(bào)(自然科學(xué)版)，2013,41（1）：86～90.

〔6〕張科星.基于云計(jì)算的數(shù)字資源系統(tǒng)設(shè)計(jì)[J].河南科技學(xué)院學(xué)報(bào)(自然科學(xué)版)，2013,41（1）：91～94.

TP391

A

1673-260X（2015）12-0018-02