苗維誠(chéng)

（蚌埠醫(yī)學(xué)院 數(shù)理教研室，安徽 蚌埠 233030）

數(shù)據(jù)挖掘算法對(duì)于提高實(shí)驗(yàn)報(bào)告質(zhì)量的作用探討

苗維誠(chéng)

（蚌埠醫(yī)學(xué)院 數(shù)理教研室，安徽 蚌埠 233030）

為提高我校醫(yī)用物理實(shí)驗(yàn)報(bào)告的質(zhì)量，本文運(yùn)用數(shù)據(jù)挖掘決策樹(shù)C4.5算法對(duì)實(shí)驗(yàn)報(bào)告進(jìn)行處理分析，找出影響實(shí)驗(yàn)報(bào)告質(zhì)量的關(guān)鍵因素，建立決策樹(shù)模型，提出改善的辦法.

實(shí)驗(yàn)報(bào)告；數(shù)據(jù)挖掘；決策樹(shù)算法

1 引言

蚌埠醫(yī)學(xué)院數(shù)理教研室常年開(kāi)設(shè)醫(yī)用物理學(xué)實(shí)驗(yàn)課.實(shí)驗(yàn)報(bào)告是實(shí)驗(yàn)教學(xué)的一個(gè)重要環(huán)節(jié)，書(shū)寫(xiě)實(shí)驗(yàn)報(bào)告能鍛煉學(xué)生的分析、寫(xiě)作、總結(jié)能力，培養(yǎng)學(xué)生的實(shí)驗(yàn)素質(zhì)和科研能力，也是教師了解學(xué)生掌握知識(shí)的狀況和進(jìn)行成績(jī)?cè)u(píng)定的依據(jù)[1].為提高物理實(shí)驗(yàn)報(bào)告質(zhì)量，對(duì)學(xué)生的實(shí)驗(yàn)報(bào)告進(jìn)行分析，運(yùn)用數(shù)據(jù)挖掘決策樹(shù)C4.5算法找出影響實(shí)驗(yàn)報(bào)告質(zhì)量的關(guān)鍵因素.

2 數(shù)據(jù)挖掘C4.5算法介紹

2.1 定義

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程.決策樹(shù)C4.5算法是數(shù)據(jù)挖掘領(lǐng)域最具影響力的算法之一，在給定數(shù)據(jù)集合上運(yùn)行C4.5算法可以得到一個(gè)從屬性值到類(lèi)別的映射，進(jìn)而可以用該映射去分類(lèi)新的未知實(shí)例，最終形成決策樹(shù)[2].

2.2 公式

C4.5算法構(gòu)造決策樹(shù)是以信息增益率作為分枝準(zhǔn)則的，信息增益率表示分枝產(chǎn)生的有用信息的比率，選擇具有最大信息增益率的關(guān)鍵因素作為樹(shù)的根結(jié)點(diǎn).

為了方便介紹C4.5算法的公式，先作如下假設(shè)：D表示一個(gè)訓(xùn)練集Di，（i=1,2，…，m）表示D中m個(gè)不同類(lèi)，那么對(duì)D中的元組分類(lèi)所需的期望信息記為Info（D），也叫做D的熵，公式為：

假定按照屬性A將訓(xùn)練集D劃分成n個(gè)不同的類(lèi)，需要計(jì)算D關(guān)于屬性A的熵EntropyA(D).

計(jì)算訓(xùn)練集D關(guān)于屬性A的信息增益Gain（A）的公式為：

分裂信息SplitInfoA(D)表示按照屬性A劃分訓(xùn)練集D的廣度和均勻性，公式為：

信息增益率（GainRatio）的計(jì)算公式為：

3 C4.5算法在提高實(shí)驗(yàn)報(bào)告質(zhì)量中的應(yīng)用

3.1 數(shù)據(jù)的獲取

C4.5算法的數(shù)據(jù)來(lái)源于2016級(jí)臨床專(zhuān)業(yè)的學(xué)生，選取了476份實(shí)驗(yàn)報(bào)告.為了方便數(shù)據(jù)的獲取，對(duì)實(shí)驗(yàn)報(bào)告的四個(gè)方面分別進(jìn)行打分，每項(xiàng)的總分都是10分，最后再給實(shí)驗(yàn)報(bào)告一個(gè)總分，滿分100分.這四個(gè)方面為：（1）實(shí)驗(yàn)報(bào)告的格式內(nèi)容.這里存在的問(wèn)題主要是實(shí)驗(yàn)報(bào)告內(nèi)容不完整，格式不規(guī)范，字跡潦草，抄襲書(shū)本原話，內(nèi)容雷同.（2）實(shí)驗(yàn)數(shù)據(jù)的處理.主要問(wèn)題是在數(shù)據(jù)處理上存在簡(jiǎn)單錯(cuò)誤，比如計(jì)算錯(cuò)誤，單位錯(cuò)誤，圖表格式不規(guī)范，還存在數(shù)據(jù)抄襲的現(xiàn)象.（3）實(shí)驗(yàn)報(bào)告的討論總結(jié).主要問(wèn)題是學(xué)生的實(shí)驗(yàn)總結(jié)很簡(jiǎn)單，沒(méi)有深度和新意，沒(méi)有去查閱文獻(xiàn)，缺少必要的討論.（4）實(shí)驗(yàn)報(bào)告的反饋完善.問(wèn)題主要是學(xué)生拿到批改后的實(shí)驗(yàn)報(bào)告不能及時(shí)修改，存在拖延現(xiàn)象，有的修改后仍然存在錯(cuò)誤.

3.2 數(shù)據(jù)的預(yù)處理

通過(guò)對(duì)實(shí)驗(yàn)報(bào)告四個(gè)方面的打分，我們提取出影響實(shí)驗(yàn)報(bào)告質(zhì)量的四個(gè)關(guān)鍵因素，分別為：“格式內(nèi)容”“數(shù)據(jù)處理”“討論總結(jié)”“反饋完善”.把這四項(xiàng)得分大于等于8分的記為“優(yōu)”；小于8分的記為“一般”，于是我們就把“格式內(nèi)容”“數(shù)據(jù)處理”“討論總結(jié)”“反饋完善”根據(jù)得分都分為“優(yōu)”和“一般”兩類(lèi).根據(jù)實(shí)驗(yàn)報(bào)告的總得分，把大于等于80分的記為“優(yōu)”；小于80分的記為“一般”，這樣就把實(shí)驗(yàn)報(bào)告的質(zhì)量也分為“優(yōu)”和“一般”兩類(lèi).對(duì)數(shù)據(jù)進(jìn)行處理獲得476條數(shù)據(jù)，把數(shù)據(jù)分為兩類(lèi)：訓(xùn)練集360條數(shù)據(jù)，測(cè)試集116條數(shù)據(jù).

3.3 數(shù)據(jù)的計(jì)算分析

首先計(jì)算樣本分類(lèi)所需的期望信息量，即熵值.訓(xùn)練數(shù)據(jù)集360條數(shù)據(jù)，實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)的有112條，一般的有248條；

由公式①得：

然后計(jì)算每一個(gè)關(guān)鍵因素的信息增益率：

（1）屬性“格式內(nèi)容”，由訓(xùn)練集得：格式內(nèi)容 =“優(yōu)”有156條，其中84條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，72條質(zhì)量一般；

格式內(nèi)容=“一般”有204條，其中28條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，176條質(zhì)量一般；

由公式②計(jì)算其熵值為：

由公式③計(jì)算其信息增益為：

Gain(格式內(nèi)容)=I(S1,S2)－E(格式內(nèi)容)=0.13603

由公式④計(jì)算分裂信息：

（2）屬性“數(shù)據(jù)處理”，數(shù)據(jù)處理=“優(yōu)”有98條，其中79條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，19條質(zhì)量一般；數(shù)據(jù)處理=“一般”有262條，其中33條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，229條質(zhì)量一般；

最終公式⑤計(jì)算：

（4）屬性“反饋完善”，反饋完善 =“優(yōu)”有 117條，其中75條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，42條質(zhì)量一般；反饋完善=“一般”有243條，其中37條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，206條質(zhì)量一般；

（3）屬性“討論總結(jié)”，討論總結(jié)=“優(yōu)”有93條，其中85條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，8條質(zhì)量一般；討論總結(jié)=“一般”有267條，其中27條實(shí)驗(yàn)報(bào)告質(zhì)量?jī)?yōu)，240條質(zhì)量一般.

3.4 構(gòu)造決策樹(shù)

由上面計(jì)算出的每個(gè)關(guān)鍵因素信息增益率的值，來(lái)確定決策樹(shù)的根結(jié)點(diǎn)，生成決策樹(shù)，再對(duì)決策樹(shù)進(jìn)行剪枝.剪枝采用自下而上的方式，最后生成一棵實(shí)驗(yàn)報(bào)告質(zhì)量決策樹(shù).用括號(hào)表示實(shí)驗(yàn)報(bào)告質(zhì)量決策樹(shù)為：（討論總結(jié)（數(shù)據(jù)處理（質(zhì)量?jī)?yōu)，反饋完善（質(zhì)量?jī)?yōu)，質(zhì)量一般）），數(shù)據(jù)處理（反饋完善（質(zhì)量?jī)?yōu)，格式內(nèi)容（質(zhì)量?jī)?yōu)，質(zhì)量一般）），反饋完善（格式內(nèi)容（質(zhì)量?jī)?yōu)，質(zhì)量一般），質(zhì)量一般））.

3.5 分類(lèi)規(guī)則

IF討論總結(jié)=“優(yōu)”AND數(shù)據(jù)處理=“優(yōu)”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“優(yōu)”；IF討論總結(jié)=“優(yōu)”AND數(shù)據(jù)處理=“一般”AND反饋完善=“優(yōu)”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“優(yōu)”；IF討論總結(jié)=“優(yōu)”AND數(shù)據(jù)處理=“一般”AND反饋完善=“一般”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“一般”；IF討論總結(jié)=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“優(yōu)”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“優(yōu)”；IF討論總結(jié)=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“一般”AND格式內(nèi)容=“優(yōu)”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“優(yōu)”；IF討論總結(jié)=“一般”AND數(shù)據(jù)處理=“優(yōu)”AND反饋完善=“一般”AND格式內(nèi)容=“一般”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“一般”；IF 討論總結(jié) =“一般”AND 數(shù)據(jù)處理 =“一般”AND反饋完善=“優(yōu)”AND格式內(nèi)容=“優(yōu)”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“優(yōu)”；IF 討論總結(jié) =“一般”AND 數(shù)據(jù)處理 =“一般”AND 反饋完善=“優(yōu)”AND格式內(nèi)容=“一般”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“一般”；IF 討論總結(jié) =“一般”AND 數(shù)據(jù)處理 =“一般”AND反饋完善=“一般”THEN實(shí)驗(yàn)報(bào)告質(zhì)量=“一般”.

4 改善方法

由以上規(guī)則可以看出，我校醫(yī)用物理學(xué)實(shí)驗(yàn)報(bào)告的質(zhì)量主要受到格式內(nèi)容、數(shù)據(jù)處理、討論總結(jié)、反饋完善四個(gè)因素的影響，其中，影響力由大到小依次是討論總結(jié)，數(shù)據(jù)處理，反饋完善和格式內(nèi)容.所以要提高實(shí)驗(yàn)報(bào)告的質(zhì)量，可以要求學(xué)生把實(shí)驗(yàn)報(bào)告分為三個(gè)部分書(shū)寫(xiě)：（1）課前部分，上課前學(xué)生應(yīng)該認(rèn)真預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，用自己的語(yǔ)言把實(shí)驗(yàn)的目的、原理、步驟等簡(jiǎn)明扼要的寫(xiě)在實(shí)驗(yàn)報(bào)告上，杜絕照抄課本，有不明白的地方應(yīng)在實(shí)驗(yàn)報(bào)告上做好標(biāo)記.（2）課堂部分，學(xué)生做實(shí)驗(yàn)的過(guò)程中需把實(shí)驗(yàn)得到的原始數(shù)據(jù)記錄在實(shí)驗(yàn)報(bào)告上，并完善實(shí)驗(yàn)報(bào)告課前部分的內(nèi)容.（3）課后部分，實(shí)驗(yàn)課結(jié)束后，學(xué)生應(yīng)處理實(shí)驗(yàn)原始數(shù)據(jù)得到實(shí)驗(yàn)結(jié)果，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析討論，討論包括對(duì)實(shí)驗(yàn)的理解，實(shí)驗(yàn)中遇到各種問(wèn)題的解決方法，實(shí)驗(yàn)數(shù)據(jù)的偏差處理，對(duì)整個(gè)實(shí)驗(yàn)的總結(jié)等.教師批改完實(shí)驗(yàn)報(bào)告反饋給學(xué)生，學(xué)生要對(duì)實(shí)驗(yàn)報(bào)告中的不足和錯(cuò)誤及時(shí)進(jìn)行完善和修改.

5 總結(jié)

實(shí)驗(yàn)報(bào)告的改革是一個(gè)循序漸進(jìn)的過(guò)程，運(yùn)用決策樹(shù)C4.5算法對(duì)醫(yī)用物理實(shí)驗(yàn)報(bào)告進(jìn)行分析，學(xué)生實(shí)驗(yàn)報(bào)告寫(xiě)的多，想的少，缺乏自主性和創(chuàng)造性.實(shí)驗(yàn)報(bào)告的重點(diǎn)應(yīng)該是實(shí)驗(yàn)結(jié)果的處理分析和討論總結(jié)，只有這樣才能使學(xué)生把理論和實(shí)踐相互轉(zhuǎn)化，真正起到大學(xué)實(shí)驗(yàn)課的作用.

〔1〕呂道文.《醫(yī)學(xué)物理實(shí)驗(yàn)》的課程建設(shè)與教學(xué)改革研究[J].中國(guó)醫(yī)學(xué)物理學(xué)雜志，2009，26(6)：1570-1572.

〔2〕袁方.實(shí)用數(shù)據(jù)挖掘[M].北京：電子工業(yè)出版社，2010.

〔3〕吳信東,庫(kù)瑪爾.數(shù)據(jù)挖掘十大算法[M].北京：清華大學(xué)出版社，2013.

〔4〕張學(xué)文，司佑全.《電子技術(shù)》實(shí)驗(yàn)報(bào)告存在的問(wèn)題及對(duì)策[J].湖北師范學(xué)院學(xué)報(bào)，2015，35(3)：97-101.

〔5〕蔣瑾.寫(xiě)好實(shí)驗(yàn)報(bào)告的思考[J].吉林化工學(xué)院學(xué)報(bào)，2013，30(4)：56-58.

G642.423

A

1673-260X（2017）12-0201-02

2017-10-25

校級(jí)重大教學(xué)改革項(xiàng)目（2016jyxm07）