改進的ID3決策樹分類算法在成績分析中的應用研究.pdf

1、數(shù)據(jù)挖掘是20世紀末興起的數(shù)據(jù)智能分析技術，它可以從數(shù)據(jù)庫、數(shù)據(jù)倉庫以及其它各種數(shù)據(jù)庫中的大量數(shù)據(jù)中，自動抽取或發(fā)現(xiàn)有用的模式知識。在這一過程中，數(shù)據(jù)分類是數(shù)據(jù)挖掘領域研究的重要課題。目前用于分類的方法有很多種，其中決策樹分類方法以其算法理論清晰、易被理解以及容易轉換成分類規(guī)則等優(yōu)點而被廣泛研究與應用。 本文以“嵌入式系統(tǒng)網上智能教學平臺”建設為背景，目的是研究如何將數(shù)據(jù)挖掘技術與現(xiàn)有的數(shù)據(jù)庫系統(tǒng)相結合，從海量特征的數(shù)據(jù)中提取出

2、隱藏在數(shù)據(jù)之中的有用信息，為系統(tǒng)管理者和決策者提供綜合分析。通過對數(shù)據(jù)挖掘基本原理、基本算法的研究。開發(fā)了基于決策樹算法的學生評估工具模塊。以改進的決策樹ID3算法為基礎，根據(jù)學生成績庫中的信息以及其它庫中有關學生基本數(shù)據(jù)的信息，建立一個決策樹成績評估模型，對學生進行相應的綜合分析評估。 通過對幾種典型的決策樹算法進行分析比較，本文提出一種改進的ID3算法。該算法的思想是首先將泰勒公式原理與ID3算法的屬性選擇標準一信息熵的求解

3、相結合，對ID3算法信息熵的求解進行簡化，改變了決策樹算法中屬性選擇的標準，減小了算法的計算復雜度，提高了算法運行效率：然后再賦予每個屬性簡化后的信息熵一個權值N，N的取值取決于每個屬性的取值個數(shù)，用以平衡每個屬性對數(shù)據(jù)集的不確定程度，使得屬性的選擇更加合理化，避免選擇的屬性與實際不相符。 最后在Eclipse平臺上利用Java語言分別實現(xiàn)改進前后的ID3算法。實驗結果表明，改進后的ID3算法提高了決策樹的構建速度，減少了算法的