魏 萌

?

決策樹分類法在自考生學(xué)習行為分析中的應(yīng)用

魏 萌

【摘 要】本文通過對考生數(shù)據(jù)的分析找出影響考生學(xué)習行為的因素，為考試管理部門提供決策依據(jù)，提高自學(xué)考試畢業(yè)率，使管理更加人性化。

【關(guān)鍵詞】決策樹 自考 學(xué)習行為分析

一、學(xué)習行為分析方法的選擇

（一）考生個人因素

如性別、身體狀況、工作和考前學(xué)歷等，對應(yīng)考生信息中的性別、年齡、職業(yè)、學(xué)歷層次；

（二）學(xué)習過程中的因素

如考生考試成績、學(xué)習方式和重修課程的門數(shù)、次數(shù)等，可以從考試信息中的報考科目、成績等統(tǒng)計而來。

分析以上因素與考生畢業(yè)情況之間的關(guān)系，可以利用數(shù)據(jù)挖掘技術(shù)中的決策樹歸納分類方法來實現(xiàn)。決策樹依賴于手頭的數(shù)據(jù)，一般具有很好的準確率，其構(gòu)造適合于探測式知識發(fā)現(xiàn)，可以處理高維數(shù)據(jù)，用一種類似于流程圖的樹結(jié)構(gòu)形式表示，易理解，可以根據(jù)樹結(jié)構(gòu)總結(jié)潛在的規(guī)則，為決策者提供理論依據(jù)。

二、數(shù)據(jù)準備

將正常畢業(yè)考生與末正常畢業(yè)（即已放棄自學(xué)考試）考生進行對比分析，需要選取相應(yīng)的數(shù)據(jù)記錄做為決策樹的訓(xùn)練樣本集。正常畢業(yè)考生可以直接從畢業(yè)生檔案庫中提取，而末正常畢業(yè)考生的確定方法卻不明確。由以往的經(jīng)驗分析，末正常畢業(yè)考生即從第一次報名開始，到現(xiàn)在已經(jīng)超過正常畢業(yè)生學(xué)習的周期，且最近沒有再報考任何課程，即判定其為放棄考試的考生。

按照需求分析中確定的兩方面影響因素，從數(shù)據(jù)倉庫的成績分析主題中提取考生個人信息的相應(yīng)屬性：準考證號、性別、年齡層次、職業(yè)類別和考前學(xué)歷類別。而考生的學(xué)習信息要從報考和成績數(shù)據(jù)中反映，而每個考生的報考和成績信息有很多，為了方便數(shù)據(jù)挖掘，決定由這些信息形成綜合性的數(shù)據(jù)以供分析。

因為考生課程多次不及格對考生繼續(xù)學(xué)習的信心影響很大，所以從報考數(shù)據(jù)中將每個考生的公共課和專業(yè)課分別統(tǒng)計出重考的次數(shù)，并合計重考課程的總次數(shù)。

三、分類決策樹的實現(xiàn)

在SPSS Clementine的決策樹分析功能中，設(shè)置因變量為考生類別，即對正常畢業(yè)考生及末正常畢業(yè)考生進行分類，選擇年齡層次、性別、考前學(xué)歷等做為自變量，分析以考生類別為指導(dǎo)的類別劃分。

通過多次實驗，為避免生成的樹結(jié)構(gòu)過于復(fù)雜，限定樹深度為6，顯著性水平為0.05。最后實現(xiàn)的分類決策樹模型圖（圖略）。

同時，為驗證分類決策樹的可用性，在樣本集中分割10%的元組做為檢驗集。得到?jīng)Q策樹模型的數(shù)據(jù)預(yù)測準確率平均值有86.4%，準確率較高。

四、分類模型解釋

決策樹模型圖中，由樣本集訓(xùn)練和構(gòu)建出的決策樹模型中可以看出，CHAID算法按各屬性的信息增益進行分類的情況：

第一：節(jié)點0為考生總體樣本集；

第二：節(jié)點1-3是在樣本集上按信息增益最大的屬性：考前學(xué)歷，分別劃分出02（本科）和04（中專）、05（高中）、03（大專）和06（初中以下）三類子集；

第三：節(jié)點4-6是在考前學(xué)歷為02（本科）和04（中專）的樣本子集中按其信息增益最大的屬性：重考次數(shù)，又劃分出了重考0次和1次、2次、2次以上三類。后面的節(jié)點依此類推。

每個節(jié)點定義信息表中，詳細列出了因變量不同值對應(yīng)的樣本數(shù)量和在子集中所占百分比，百分比差別越大，則分類越清晰，越便于形成有效規(guī)則。同時，我們可以發(fā)現(xiàn)并不是每個自變量都會進入決策樹，也就是有些考生屬性對于形成分類結(jié)果影響較小，或分類樹層次超過規(guī)定的深度被截取。

通過對決策樹各節(jié)點的數(shù)據(jù)及路徑分析，可以發(fā)現(xiàn)影響考生能否正常畢業(yè)的一些有用規(guī)則有：

第一：各節(jié)點中只有一個節(jié)點分類百分比為100%，即節(jié)點21。從根節(jié)點到其的通路規(guī)則為：xl_dm=03 or xl_ dm=06 and ckcs=2 and zylb≠6 ，可以解釋為學(xué)歷為大?；虺踔屑耙韵碌脑诼殻ǚ菍W(xué)生）考生，當重考2次后就都放棄了自學(xué)考試。

第二：從節(jié)點18可以提取規(guī)則：高中學(xué)歷25歲以下的學(xué)生、待業(yè)人員和基層生產(chǎn)人員選擇自學(xué)考試做為提高學(xué)歷的方式后，95.2%會堅持學(xué)習直到畢業(yè)。

第三：從節(jié)點6可以提取規(guī)則：學(xué)歷為本科或中專的考生，如果在課程不及格時堅持學(xué)習并重考2次以上的，92.9%會堅持學(xué)習直到畢業(yè)。

根據(jù)以上規(guī)則和決策樹中其它分類情況，以及對有關(guān)結(jié)果的進一步統(tǒng)計，可以將考生分為3類：

第一：高中學(xué)歷25歲以下的學(xué)生、待業(yè)人員和基層生產(chǎn)人員是自學(xué)考試畢業(yè)生中比較穩(wěn)定的人群。第二：大?；虺踔屑耙韵碌目忌艞壸詫W(xué)考試的比例最大。第三：具有本科學(xué)歷的考生人數(shù)占自考總?cè)藬?shù)的比率非常小，比率最大的是中專學(xué)歷的考生，情況最復(fù)雜。

以上對于決策樹分類模型的分析，將為自學(xué)考試管理者提供影響考生畢業(yè)的一些因素，可以根據(jù)這些分析結(jié)果，對不同特點的考生人群提供更有針對性的幫助，或調(diào)整相關(guān)政策以更適應(yīng)廣大考生的需求。

參考文獻：

［1］錢峰．國內(nèi)數(shù)據(jù)挖掘工具研究綜述［J］．情報雜志，2008（10）：11～13．

［2］王源．改進決策樹算法的應(yīng)用研究［J］．電子科技，2010（09）：32～33．

作者簡介：魏萌（1977-），女，碩士，長江職業(yè)學(xué)院教師，講師，研究方向：數(shù)據(jù)挖掘。