【摘要】本文以orange機(jī)器學(xué)習(xí)軟件為工具，以廣西師范學(xué)院計算機(jī)本科專業(yè)學(xué)生的基本信息和成績數(shù)據(jù)作為處理對象，詳細(xì)介紹了如何利用orange軟件中的決策樹算法對計算機(jī)專業(yè)的本科生的成績分布進(jìn)行數(shù)據(jù)處理及分析的過程。實驗結(jié)果表明：數(shù)據(jù)分析得到的結(jié)論符合計算機(jī)學(xué)科特點(diǎn)，能夠為學(xué)院決策者在專業(yè)培養(yǎng)計劃的制定中提供科學(xué)依據(jù)。

【關(guān)鍵詞】orange;高校;學(xué)生成績;數(shù)據(jù)挖掘

1.引言

學(xué)生的成績是衡量高校教學(xué)質(zhì)量的一個重要指標(biāo)。隨著高校學(xué)生人數(shù)的逐年增加，學(xué)生成績數(shù)據(jù)也越來越龐大，這些大量的數(shù)據(jù)中蘊(yùn)含著許多有意義的信息。數(shù)據(jù)挖掘（Data mining）是用于從大量的不完全的、模糊的、有噪聲的觀察數(shù)據(jù)中，去發(fā)現(xiàn)用戶感興趣數(shù)據(jù)的技術(shù)。利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)大量學(xué)生成績數(shù)據(jù)中的規(guī)律和隱含的知識，對于指導(dǎo)高校教學(xué)質(zhì)量和培養(yǎng)計劃的制定都具有重要的實際意義。

本文將利用數(shù)據(jù)挖掘工具軟件orange，以廣西師范學(xué)院計算機(jī)專業(yè)學(xué)生成績?yōu)槔?，對計算機(jī)專業(yè)學(xué)生的成績做非監(jiān)督分類處理分析。

2.orange軟件簡介

Orange是一個基于組件的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)軟件套裝，其中封裝了決策樹、關(guān)聯(lián)規(guī)則、統(tǒng)計分析等數(shù)十種數(shù)據(jù)挖掘經(jīng)典算法。它功能友好，其具有快速而又多功能的可視化編程前端，可以方便瀏覽數(shù)據(jù)分析和可視化。Orange軟件是綁定了Python以進(jìn)行腳本開發(fā)，能夠與c，c++方便的融合。是數(shù)據(jù)挖掘的有利工具。打開orange軟件后可見其界面圖：

圖1 orange軟件的界面圖

本文利用orange軟件中的ID3決策樹算法對廣西師范學(xué)院計算機(jī)專業(yè)的學(xué)生成績做分類分析。決策樹是一種利用信息論原理對樣本的屬性進(jìn)行歸納分類產(chǎn)生的樹形結(jié)構(gòu)。

構(gòu)建決策樹的基本步驟為：

（1）連續(xù)屬性離散化

（2）選擇測試屬性構(gòu)造決策樹

（3）決策樹剪枝

3.利用orange的id3算法分析高校學(xué)生成績

在利用orange中的決策樹算法對高校學(xué)生成績進(jìn)行分析之前，進(jìn)行數(shù)據(jù)采集，并將數(shù)據(jù)處理成算法所需的數(shù)據(jù)格式等步驟。下面詳細(xì)介紹分析過程：

3.1 數(shù)據(jù)采集

本文以廣西師范學(xué)院計算機(jī)與信息工程學(xué)院的3屆學(xué)生成績?yōu)槔?，對其進(jìn)行處理分析。所采到的原始數(shù)據(jù)信息表包括：學(xué)生的基本信息表、學(xué)生學(xué)科成績表，其中學(xué)生學(xué)科成績表包含了學(xué)生大學(xué)四年所修的所有學(xué)科的成績數(shù)據(jù)。

原始學(xué)生成績表如表1所示：

表1 學(xué)生成績信息

原始學(xué)生基本信息表如表2所示（基于保密原則，給出格式，學(xué)生具體信息不便透露）：

表2 學(xué)生基本信息

表3 學(xué)生成績分布處理字段說明

Codedesign：程序設(shè)計成績; math：數(shù)學(xué)成績; P.E.：體育成績;

Introduceofcomputer：計算機(jī)導(dǎo)論成績; English：英語成績; Total：總成績;

area：籍貫; sex：性別; result：等級評定;

表4 整理后的部分學(xué)生成績表

codedesign math P.E. English introduceofcomputer area sex result

1.3 1.3 1.8 1.7 0.7 M 1 C

1.5 1.2 1.8 1.5 0.7 E 1 D

1.4 1.4 1.8 1.5 0.7 W 1 C

1.5 1.4 1.9 1.3 0.6 E 1 D

3.2 數(shù)據(jù)預(yù)處理

（1）數(shù)據(jù)清洗

在收集到的數(shù)據(jù)中，往往包含著許多與挖掘任務(wù)無相關(guān)、冗余的屬性。為提高決策樹算法的效率，需要對原始數(shù)據(jù)進(jìn)行清洗。

學(xué)生基本信息表的清洗：只保留性別、籍貫兩個屬性。

學(xué)生成績信息表數(shù)據(jù)量大，科目繁多。為能夠在成績分類挖掘中進(jìn)行統(tǒng)一比較，本文只選取了部分科目成績進(jìn)行整理比較。這些科目成績分別是：程序設(shè)計成績、數(shù)學(xué)成績、體育成績、英語成績和計算機(jī)導(dǎo)論成績數(shù)據(jù)。

（2）數(shù)據(jù)規(guī)范化

學(xué)校的學(xué)生成績信息是用百分制記錄，不符合ID3算法數(shù)據(jù)需離散型的要求，故應(yīng)ID3算法的要求，數(shù)據(jù)源整理為離散型變量。

性別數(shù)據(jù)處理：男為1，女為2;

籍貫數(shù)據(jù)處理：本次收集到的學(xué)生數(shù)據(jù)以廣西學(xué)生為多，桂南為S，桂北為N，桂東為E，桂西為W，桂中為M。廣西以外地區(qū)以another表示。

成績數(shù)據(jù)離散化處理：由于原始成績都為百分制，使得數(shù)據(jù)過于連續(xù)，難以進(jìn)行區(qū)分。處理方法為：將總成績除以一百，再進(jìn)行四舍五入。例：在其中一組數(shù)據(jù)49份P.E.成績中，學(xué)生的分?jǐn)?shù)從158分至192分不等，出現(xiàn)三十余組數(shù)據(jù)。將其成績除以100再四舍五入，如158分的成績將化為1.6，192分的成績則化為1.9。整組P.E.成績便被劃分為了：1.6、1.7、1.8、1.9四個組別。

經(jīng)過預(yù)處理后，得到的學(xué)生信息表內(nèi)容如表3所示，部分?jǐn)?shù)據(jù)整理示例如表4所示.

3.3 實驗步驟

（1）打開orange軟件。

（2）使用File部件負(fù)責(zé)所需分析數(shù)據(jù)的導(dǎo)入，Classification部件負(fù)責(zé)分類算法的選擇，Classification Tree Viewer 與 Classification Tree Graph部件分別代表決策樹的兩種不同表達(dá)形式。前者是以樹狀目錄表的形式表示ID3的分類結(jié)果，可以觀察到分類的數(shù)據(jù)細(xì)節(jié)，包括類別、閾值等。后者以圖形的方式表示ID3的分類結(jié)果，非常直觀。

將部件以單線相連，便可以實現(xiàn)由File所導(dǎo)入數(shù)據(jù)的決策樹輸出。

圖2 Orange Canvas部件連接圖

（3）雙擊File部件將出現(xiàn)數(shù)據(jù)導(dǎo)入界面，按提示操作即可完成實驗數(shù)據(jù)導(dǎo)入。

（4）導(dǎo)入數(shù)據(jù)后，回到Orange Canvas部件連接圖，此時數(shù)據(jù)已經(jīng)通過Examples連接線段導(dǎo)入Classifiction Tree部件選擇了算法。Classifiction Tree的連接線段將其導(dǎo)入Classification Tree Viewer 部件和Classification Tree Graph部件。我們通過雙擊Classification Tree Viewer 與 Classification Tree Graph部件便可以得到?jīng)Q策樹的兩種表現(xiàn)形式。

Classification Tree Graph示例如圖3所示：

圖3 實驗結(jié)果Classification Tree Graph表示

3.4 實驗結(jié)果分析

從決策樹的分類結(jié)果我們可以看出：信息熵下降程度最大的分類屬性為math;其次為專業(yè)課成績introduceofcomputer。數(shù)據(jù)分布表現(xiàn)為：學(xué)生成績首先以math成績進(jìn)行分類，math成績lt;1.250的學(xué)生成績評定都為D，math成績gt;1.250的學(xué)生成績評定以C為多，占有73.7%;其次在math成績gt;1.250的學(xué)生里以introduceofcomputer成績進(jìn)行分類，introduceofcomputer成績lt;0.650的學(xué)生成績評定為為D，introduceofcomputer成績gt;0.650的學(xué)生成績評定為C，等等。

從以上成績的分布來看，影響計算機(jī)專業(yè)學(xué)生的專業(yè)成績的主要因素有兩個，一個是數(shù)學(xué)成績，一個是計算機(jī)導(dǎo)論成績。這說明了計算機(jī)專業(yè)本身是一個邏輯性很強(qiáng)的專業(yè)，數(shù)學(xué)能力較強(qiáng)的學(xué)生比較容易適應(yīng)這個專業(yè)的學(xué)習(xí)。另一方面，計算機(jī)專業(yè)也是一個應(yīng)用型的專業(yè)，要求學(xué)生有較強(qiáng)的動手能力，反映到成績上，表現(xiàn)為一年級的學(xué)生如果在計算機(jī)導(dǎo)論的成績較好，說明這些學(xué)生對計算機(jī)的操作熟練，對這個專業(yè)有直觀具體的認(rèn)識，因而在后面的專業(yè)學(xué)習(xí)中成績也較好。

4.結(jié)論

本文以orange機(jī)器學(xué)習(xí)軟件為工具，以廣西師范學(xué)院計算機(jī)本科專業(yè)學(xué)生的基本信息和成績數(shù)據(jù)作為處理對象，對如何利用orange軟件中的決策樹算法對計算機(jī)專業(yè)的本科生的成績分布進(jìn)行了數(shù)據(jù)處理及分析，提供了詳細(xì)的實驗步驟和方案。數(shù)據(jù)分析得到的結(jié)論符合計算機(jī)學(xué)科特點(diǎn)，能夠為學(xué)院領(lǐng)導(dǎo)在專業(yè)培養(yǎng)計劃的制定中提供科學(xué)的依據(jù)。

參考文獻(xiàn)

[1]劉曉芬.決策樹分類算法及其在高校學(xué)生就業(yè)中的應(yīng)用研究[D].湖北大學(xué)碩士學(xué)位論文.2012：26-32.

[2]廖芹，郝志峰，陳志宏.數(shù)據(jù)挖掘與數(shù)學(xué)建模[M].國防工業(yè)出版社，2010：153-154.

[3]胡文瑜，孫志揮，吳英杰.數(shù)據(jù)挖掘取樣方法研究[J]. 計算機(jī)研究與發(fā)展，2011，48（1）.45-54.

[4] 范明，孟小峰譯.數(shù)據(jù)挖掘概念與技術(shù)[M].機(jī)械工業(yè)出版社，2012.

[5]劉春陽.數(shù)據(jù)挖掘技術(shù)在高校成績管理中的應(yīng)用研究[D].大連交通大學(xué)工程碩士學(xué)位論文.2009：29-4.

作者簡介：

王宇紅（1991—），女，廣西桂林人，現(xiàn)就讀于廣西師范學(xué)院計算機(jī)與信息工程學(xué)院。

馬健（1993—），男，山東龍口人，現(xiàn)就讀于廣西師范學(xué)院計算機(jī)與信息工程學(xué)院。

通訊作者：覃曉（1973—），女，廣西環(huán)江人，碩士，廣西師范學(xué)院副教授，研究方向：數(shù)據(jù)挖掘。