盧佳

摘要：在大量數(shù)據(jù)資源中使用數(shù)據(jù)挖掘技術(shù)后，可以獲取其中隱藏的所需信息，主要應(yīng)用在知識預(yù)測領(lǐng)域中。針對在校大學(xué)生群體體育成績的研究，可以預(yù)測學(xué)生后續(xù)學(xué)習(xí)的成績，采用定期方式收集、整理以及研究學(xué)生體育成績信息，從而更好地保障高校體育教學(xué)品質(zhì)。在教學(xué)時使用數(shù)據(jù)挖掘技術(shù)，能夠符合所有參與者的實際教學(xué)需要：參考研究結(jié)論能夠給學(xué)生推薦優(yōu)化學(xué)習(xí)效率的課程體系與材料資源;教師能夠參考具體的學(xué)習(xí)反饋結(jié)果進(jìn)行因材施教式授課活動;高校管理層結(jié)合研究結(jié)論完善本校課程設(shè)置機(jī)制等。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)成績分析體育成績技術(shù)應(yīng)用

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A ? 文章編號：1672-3791（2021）09（c）-0000-00

The Application of Data Mining Technology in the Analysis of University Sports Performance

LU Jia

（Zhengzhou Institute of Industrial Application Technology， Zhengzhou， Henan Province，451100 China）

Abstract： After using data mining technology in a large number of data resources， you can obtain the hidden required information， which is mainly used in the field of knowledge prediction. The research on the physical performance of college students in school can predict the subsequent learning performance of students， and adopt regular methods to collect， organize and research the information of student sports performance， so as to better guarantee the quality of college physical education. The use of data mining technology in teaching can meet the actual teaching needs of all participants： refer to research conclusions to recommend curriculum systems and material resources that optimize learning efficiency; teachers can refer to specific learning feedback results for teaching activities in accordance with their aptitude; colleges and universities The management combined with the research conclusions to improve the school's curriculum setting mechanism and so on.

Key Words： Data mining technology; Performance analysis; Sports performance; Technology application

1 研究方法

該文在研究中選擇問卷調(diào)研方式獲取第一手研究數(shù)據(jù)信息，這是以本校體育選修課19級的學(xué)生群體作為研究對象，統(tǒng)計與體育課程有關(guān)的數(shù)據(jù)信息，將不全面的數(shù)據(jù)信息進(jìn)行篩除，最終獲取有效樣本數(shù)量為257份。得到學(xué)生體育課程成績的分布情況之后，把體育成績進(jìn)行式（1）中的離散化處理[1]，可得：

分?jǐn)?shù)等級={（A，95≤分?jǐn)?shù)@B，85≤分?jǐn)?shù)<95@C，75≤分?jǐn)?shù)<85@D，65≤分?jǐn)?shù)<75@E，55≤分?jǐn)?shù)<65@F， ? ?分?jǐn)?shù)<60）┤（1）

圖1體育成績分布情況

2 數(shù)據(jù)挖掘算法

在數(shù)據(jù)挖掘體系中存在很多的分類器，沒有出現(xiàn)最優(yōu)化的分類器，這是由于其在諸多層面中存在著差異化現(xiàn)象，譬如需要考量學(xué)習(xí)率情況、分類速率情況、訓(xùn)練數(shù)據(jù)量情況以及魯棒性特征等[2]，該文選擇C4.5的數(shù)據(jù)分析算法與樸素貝葉斯的數(shù)據(jù)分析算法進(jìn)行研究，以此獲取分類模型。

2.1 樸素貝葉斯分類器（NBC）

假定x=（x1，x2，x3，x4，x5，x6，x7，x8，x9，x10，x11，x12，）為屬性向量，x1表示的是性別參量;x2表示的是家庭人數(shù)參量;x3表示的是住所和學(xué)校的距離參量;x4表示的是高中類型參量;x5x5表示的是績點參量;x6表示的是高考體育成績參量;x7表示的是獎學(xué)金參量;x8表示的是課程學(xué)習(xí)時間參量;x9表示的是復(fù)習(xí)材料參量;x10表示的是使用網(wǎng)絡(luò)參量;x11表示的是體育成績重要性參量;x12表示的是收入?yún)⒘?。C1表示的是輸出類別中對應(yīng)的“優(yōu)秀”情況;C2表示的是輸出類別中的“一般”參量。結(jié)合貝葉斯定理[3]，能夠獲取以下函數(shù)表達(dá)式：

P（C1|x）=P（C1）P（x|C1）P（x）（2）

P（C2|x）=P（C2）P（x|C2）P（x）（3）

最終能夠確定樸素貝葉斯分類器：

y^=k?{1，…，k}P（Ck）∏i=19P（xi|Ck）（4）

2.2 C4.5算法描述

C4.5屬于ID3算法的優(yōu)化形式，其產(chǎn)生的決策數(shù)能夠展開分類活動，因此能夠?qū)⑵涓爬ǔ山y(tǒng)計分類器[4]。如圖2所示

3結(jié)果及分析

要想更加理想地認(rèn)知輸入變量存在的重要屬性，一般情況下，這是會研究變量對預(yù)測階段中學(xué)生體育成績產(chǎn)生的作用，探討模型中一些輸入變量給輸出變量帶來的影響[5]。通過3個測試后確定輸入變量：分別是卡方檢驗測試手段、信息增益測試手段以及增益比檢驗手段等。選擇屬性內(nèi)容、優(yōu)點內(nèi)容、偏差內(nèi)容、排序內(nèi)容、排序與dev內(nèi)容進(jìn)行檢測操作 [6]。各類算法在使用中會產(chǎn)生差異化的結(jié)論，各種算法會采用各類方式考量屬性對應(yīng)的相關(guān)屬性，其結(jié)果為各類算法的均值。

對C4.5算法在預(yù)測學(xué)生體育成績性能結(jié)論的評估內(nèi)容見表1。

4結(jié)語

該文研究的目標(biāo)是選擇數(shù)據(jù)挖掘技術(shù)分析高校體育成績模型，基于此闡釋一類學(xué)生體育成績研究算法，參考已有學(xué)生課程表現(xiàn)情況，以此預(yù)測學(xué)生未來體育成績。選擇該文研究手段對本校體育專業(yè)的學(xué)生群體進(jìn)行體育成績的研究活動，得出的研究結(jié)論是樸素貝葉斯分類器有著卓越的分析效能。該文選擇傳統(tǒng)的課堂教學(xué)環(huán)境，對收集的數(shù)據(jù)信息進(jìn)行數(shù)據(jù)挖掘研究，此類研究手段能夠輔助教師強(qiáng)化學(xué)生的體育成績，選擇合理化的舉措后強(qiáng)化學(xué)習(xí)效果。

參考文獻(xiàn)

[1]龔卓，周晨，湯如金，等.基于能力導(dǎo)向的計算機(jī)輔助設(shè)計系列課程混合式教學(xué)模式研究[J].文化創(chuàng)新比較研究，2021，5（23）：78-81.

[2]鞏慶波，吳瑛，耿家先.不同背景特征大學(xué)生體育參與的差異性分析[J].南京體育學(xué)院學(xué)報，2021，20（6）：50-57.

[3]胡乾元.大數(shù)據(jù)分析視角的青少年體質(zhì)健康影響因素的分析[J].當(dāng)代體育科技，2021，11（18）：236-238.

[4]鮑勤，周靜秋，霍倩文.論人工智能在網(wǎng)球技術(shù)動作分析中的應(yīng)用[J].南京體育學(xué)院學(xué)報，2020，19（11）：47-51.

[5]歐麗紅.計算機(jī)大數(shù)據(jù)分析及云計算網(wǎng)絡(luò)技術(shù)發(fā)展探究[J].科技創(chuàng)新導(dǎo)報，2020，17（20）：131-133.

[6]劉愛萍.基于數(shù)據(jù)挖掘技術(shù)的高校學(xué)生成績預(yù)測模型構(gòu)建[J].長春工程學(xué)院學(xué)報：自然科學(xué)版，2020，21（2）：98-101.