分類(lèi)技術(shù)在高職教學(xué)質(zhì)量評(píng)價(jià)分析中的應(yīng)用

黃 敏，何中市

（1.重慶工貿(mào)職業(yè)技術(shù)學(xué)院 信息工程系，重慶408000；2.重慶大學(xué) 計(jì)算機(jī)學(xué)院，重慶400044）

0 引 言

教學(xué)質(zhì)量評(píng)價(jià)作為保障教學(xué)質(zhì)量的重要手段之一，各高職院校建立了相應(yīng)的評(píng)價(jià)系統(tǒng)，隨著時(shí)間的推移，系統(tǒng)內(nèi)的評(píng)價(jià)數(shù)據(jù)也在飛速的增長(zhǎng)，傳統(tǒng)的數(shù)據(jù)分析手段已明顯落后。簡(jiǎn)單地將評(píng)價(jià)結(jié)果反饋給教學(xué)管理部門(mén)，并將該結(jié)果作為教師獎(jiǎng)懲、晉升職稱(chēng)等的依據(jù)之一，無(wú)法對(duì)評(píng)價(jià)對(duì)象與評(píng)價(jià)結(jié)果間隱含的信息進(jìn)行深入挖掘。數(shù)據(jù)挖掘技術(shù)作為一種新興的先進(jìn)的數(shù)據(jù)分析工具，正被廣泛應(yīng)用在各個(gè)領(lǐng)域［1－4］。基于數(shù)據(jù)挖掘技術(shù)的教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)也進(jìn)行了較多的研究［5－8］，但對(duì)評(píng)價(jià)結(jié)果的分析及應(yīng)用方面研究較少。鑒于此，本文利用數(shù)據(jù)挖掘中的分類(lèi)技術(shù)對(duì)評(píng)價(jià)對(duì)像與評(píng)價(jià)結(jié)果之間的關(guān)系進(jìn)行深入研究，采用分類(lèi)算法構(gòu)造決策樹(shù)，挖掘出潛在關(guān)系，并將研究結(jié)果運(yùn)用于實(shí)際，為教學(xué)管理者提供了更多的幫助信息。

1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘也叫數(shù)據(jù)開(kāi)采，就是按照既定的目標(biāo)，從大量數(shù)據(jù)中提取先前未知的信息或模式。它是從數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn) （knowledge discovery in database，KDD）過(guò)程中的一個(gè)主要步驟。

KDD過(guò)程可以分為4部份：數(shù)據(jù)清理與集成 （cleaning and integration）、選擇與轉(zhuǎn)換 （selection and transformation）、數(shù)據(jù)挖掘 （data mining）、評(píng)估與表示 （evaluation and presentation）。數(shù)據(jù)清理與集成的目的是辨別出需要分析的數(shù)據(jù)集合，縮小處理范圍，然而實(shí)際系統(tǒng)中收集到的原始數(shù)據(jù)通常是 “臟”的，即數(shù)據(jù)存在雜亂性、重復(fù)性以及不完整性；選擇與轉(zhuǎn)換可以處理數(shù)據(jù)中的遺漏及清洗臟數(shù)據(jù)，從而提高數(shù)據(jù)挖掘的質(zhì)量；數(shù)據(jù)挖掘階段進(jìn)行實(shí)際的挖掘操作，它要先決定是進(jìn)行發(fā)現(xiàn)型的數(shù)據(jù)挖掘還是驗(yàn)證型的數(shù)據(jù)挖掘，然后選擇合適的工具，進(jìn)行發(fā)現(xiàn)知識(shí)的操作及證實(shí)發(fā)現(xiàn)的知識(shí)；評(píng)估與表示這一步聚的任務(wù)不僅是采用特定的方式把結(jié)果表達(dá)出來(lái)，還要對(duì)信息進(jìn)行過(guò)濾處理，如果不能令人滿(mǎn)意，需要重復(fù)以上數(shù)據(jù)挖掘過(guò)程。

2 數(shù)據(jù)挖掘分類(lèi)技術(shù)

數(shù)據(jù)挖掘分類(lèi)技術(shù)主要有決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、k－均值、貝葉期分類(lèi)、粗糙集、遺傳算法、回歸算法等等，這些技術(shù)一般有兩個(gè)步驟［9］。①建立模型，通過(guò)分析由屬性描述的樣本集來(lái)建立模型；②模型應(yīng)用，即使用模型進(jìn)行分類(lèi)，通過(guò)對(duì)模型的預(yù)測(cè)準(zhǔn)確率進(jìn)行評(píng)估，如果認(rèn)為模型的準(zhǔn)確率可以接受，則可以用它對(duì)數(shù)據(jù)樣本或?qū)ο筮M(jìn)行分類(lèi)。分類(lèi)結(jié)果的好壞取決于預(yù)測(cè)準(zhǔn)確率的高低，選擇不同的分類(lèi)技術(shù)將導(dǎo)致不同的分類(lèi)結(jié)果。

2.1 基于決策樹(shù)的分類(lèi)

決策樹(shù)又稱(chēng)判定樹(shù)，它是一個(gè)類(lèi)似于流程圖的樹(shù)結(jié)構(gòu)，提供了使用一組 “if－then”規(guī)則來(lái)分類(lèi)記錄的技術(shù)［10］。決策樹(shù)由節(jié)點(diǎn)、分支和葉子3部分組成，節(jié)點(diǎn)代表屬性，葉子結(jié)點(diǎn)代表類(lèi)別，樹(shù)的最頂層節(jié)點(diǎn)是根節(jié)點(diǎn)，從根節(jié)點(diǎn)到葉子結(jié)點(diǎn)的一條路徑開(kāi)成一條分類(lèi)規(guī)則，其應(yīng)用較為廣泛［11－12］。目前已形成了多種決策樹(shù)算法，如 CLS、ID3、CHAID、CART、FACT、C4.5、GINI、SEE5、SLIQ、SPRINT等［13］。其中最著名的算法是1986年J.R.Quinlan在 “Induction of Decision Trees”論文中提出的ID3算法和1993年改進(jìn)后的C4.5算法。C4.5算法是ID3算法的改進(jìn)版本，它采用信息增益率 （gain ratio）克服了用信息增益選擇屬性時(shí)偏向于選擇取值多的屬性不足；在樹(shù)構(gòu)造過(guò)程中或者構(gòu)造完成之后，進(jìn)行剪枝；能夠完成對(duì)連續(xù)屬性的離散化處理；能夠?qū)τ诓煌暾麛?shù)據(jù)進(jìn)行處理；最終可以形成產(chǎn)生式規(guī)則。

2.2 算法策略

C4.5算法是通過(guò)訓(xùn)練樣本集構(gòu)造一個(gè)決策樹(shù)，而決策樹(shù)的每個(gè)結(jié)點(diǎn)是使用信息增益率來(lái)選擇屬性。信息增益率計(jì)算方法如下：

設(shè)S＝ ｛S1，S2，…，Sn｝，每個(gè)數(shù)據(jù)對(duì)象有 m個(gè)屬性，選擇其中一個(gè)屬性V為類(lèi)標(biāo)號(hào)屬性，且V＝ ｛V1，V2，…，Vk｝，其中k為屬性V的取值個(gè)數(shù)，則屬性V的取值將數(shù)據(jù)對(duì)象集合S劃分為k個(gè)子集Ci（i＝1，2，…k）。設(shè)si是子集Ci中的對(duì)象個(gè)數(shù)，則對(duì)一個(gè)給定的對(duì)象分類(lèi)所需要的期望信息為

其中pi＝si/n，是任意對(duì)象屬于Ci的概率。

設(shè)屬性A有u個(gè)不同取值 ｛a1，a2，…，au｝，利用屬性A的不同取值可以將數(shù)據(jù)對(duì)象集合S劃分為u個(gè)子集｛S1，S2，…，Su｝，其中Sj包含了S中在屬性A上具有相同值aj，設(shè)Sij是子集Sj中集合Cj的對(duì)象個(gè)數(shù)，則由屬性A劃分子集的熵為

其中I（s1j＋…＋skj）＝。

因此，在屬性A上分枝的信息增益為

屬性A的信息熵為

屬性A的信息增益率為

通過(guò)以上公式，可求出數(shù)據(jù)對(duì)象各屬性的信息增益率，找出其中具有最高信息增益率的屬性作為分支結(jié)點(diǎn)，依次類(lèi)推即可構(gòu)建一棵分類(lèi)決策樹(shù)。

3 分類(lèi)技術(shù)在高職教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用

3.1 數(shù)據(jù)采集和預(yù)處理

本應(yīng)用研究以重慶某職業(yè)技術(shù)學(xué)院教學(xué)管理系統(tǒng)里的數(shù)據(jù)為基礎(chǔ)，主要是針對(duì)教師的基本情況和評(píng)價(jià)結(jié)果之間的關(guān)系進(jìn)行分析，建立優(yōu)秀教師模型，使學(xué)校對(duì)教師激勵(lì)有一個(gè)確切的依據(jù)，同時(shí)對(duì)學(xué)校將來(lái)引進(jìn)人才方面提供一定的參考。研究過(guò)程使用的是教師基本情況和2009年秋期教學(xué)評(píng)價(jià)結(jié)果兩個(gè)方面的數(shù)據(jù)，這些數(shù)據(jù)可以通過(guò)目前正在使用的教學(xué)管理系統(tǒng)里的數(shù)據(jù)庫(kù)獲取 （見(jiàn)表1和表2）。

表1 教師基本信息

表2 教師教學(xué)質(zhì)量評(píng)價(jià)結(jié)果

數(shù)據(jù)預(yù)處理主要包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)消減等幾步。在教師信息表中雖然有一些感興趣的屬性缺少屬性值，但根據(jù)C4.5算法的特點(diǎn)，這些記錄可以保留。在評(píng)價(jià)結(jié)果表中，有些教師因?yàn)閰⑴c評(píng)價(jià)的學(xué)生過(guò)少 （＜20）或者某老師在該學(xué)期沒(méi)有任課而沒(méi)有評(píng)價(jià)結(jié)果，所以進(jìn)行了刪除，同時(shí)對(duì)一些不感興趣的屬性進(jìn)行數(shù)據(jù)清理、集成后共有168條記錄，占總記錄數(shù)的98.6%。為了讓挖掘結(jié)果易于理解，我們采用直方圖中的分箱法對(duì)年齡進(jìn)行處理，最終生成訓(xùn)練數(shù)據(jù)如表3所示。

表3 最終生成的訓(xùn)練數(shù)據(jù)

3.2 構(gòu)造決策樹(shù)

本研究中，經(jīng)過(guò)訓(xùn)練共有168個(gè)教學(xué)評(píng)價(jià)數(shù)據(jù)，4個(gè)屬性，分別是性別、學(xué)歷、職稱(chēng)、年齡，根據(jù)教學(xué)評(píng)價(jià)結(jié)果屬性的不同取值，將樣本分為兩個(gè)不同的子集： ｛“yes”｝、｛“no”｝。表4是用于計(jì)算增益的部分?jǐn)?shù)據(jù)。

現(xiàn)在計(jì)算教學(xué)評(píng)價(jià) （JXPJ）的信息熵

表4 各屬性樣本分布

下面計(jì)算教學(xué)評(píng)價(jià)基于其它屬性的條件信息熵

E （XB）＝ － （99/168 （（37/99）log2（37/99）＋（62/99）log2（62/99））－ （69/168 （（29/69）log2（29/69）＋ （40/69）log2（40/69））＝0.965035562

Gain＝I （S1，S2） － E （XB） ＝0.993883692－0.965035562＝0.0288481

split＿info （XB）＝ － （99/168）log2（99/168）－（69/168）log2（69/168）＝0.976874013

則教師性別 （XB）的信息增益率為

gain＿ratio （XB）＝Gain/split＿info＝0.0288481/0.976874013＝0.029531

同理可計(jì)算

gain＿ratio （XL）＝0.150159766

gain＿ratio （ZC）＝0.067266797

gain＿ratio （NL）＝0.060292002

經(jīng)過(guò)比較，由于教師學(xué)歷 （XL）屬性具有最高信息增益率，可以得出決策樹(shù)的第一層節(jié)點(diǎn)為教師學(xué)歷，然后建立第一層節(jié)點(diǎn)。

其它節(jié)點(diǎn)依次類(lèi)推，直到所有的樣本都屬于同一類(lèi)或樣本數(shù)為空，建立葉子節(jié)點(diǎn)，當(dāng)所有的屬性值都已經(jīng)訪(fǎng)過(guò)，就完成了決策樹(shù)的建立 （見(jiàn)圖1）。

3.3 決策樹(shù)的修剪

當(dāng)決策樹(shù)創(chuàng)建時(shí)，由于訓(xùn)練樣本太少或數(shù)據(jù)中存在噪聲和孤立點(diǎn)，許多分枝反映的是訓(xùn)練數(shù)據(jù)中的異?，F(xiàn)象，建立的決策樹(shù)會(huì)過(guò)度擬合訓(xùn)練樣本集，反而不具有很好的預(yù)測(cè)性能［14］。通常用兩種方法對(duì)樹(shù)進(jìn)行修剪，分別為先剪枝方法、后剪枝方法，后剪枝方法主要有4種：悲觀(guān)錯(cuò)誤剪枝 （PEP）、最小錯(cuò)誤剪枝 （MEP）、代價(jià)復(fù)雜度剪枝（CCP）、基于錯(cuò)誤剪枝 （EBP）［15］。本文采用的是基于錯(cuò)誤剪枝。其基本思想是讓決策樹(shù)完全地生長(zhǎng)，通過(guò)計(jì)算某結(jié)點(diǎn)上的子樹(shù)被剪枝可能出現(xiàn)有期望錯(cuò)誤率，如果剪去該結(jié)點(diǎn)導(dǎo)致較低的期望錯(cuò)誤率，則刪除該結(jié)點(diǎn)；如果剪去該結(jié)點(diǎn)導(dǎo)致較高的期望錯(cuò)誤率，則保留該子樹(shù)。圖2就是通過(guò)后剪枝后的教學(xué)效果是否優(yōu)秀的分類(lèi)決策樹(shù)。

3.4 生成分類(lèi)規(guī)則

決策樹(shù)最大的優(yōu)點(diǎn)就是可以直接提取分類(lèi)規(guī)則。將決策樹(shù)進(jìn)行廣度優(yōu)先搜索，對(duì)每一個(gè)葉節(jié)點(diǎn)，求出從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)的路徑，該路徑所有節(jié)點(diǎn)的劃分條件并在一起，并在每個(gè)葉節(jié)點(diǎn)生成IF－THEN規(guī)則，即構(gòu)成一條分類(lèi)規(guī)則。由于本研究中主要是希望了解教學(xué)質(zhì)量評(píng)價(jià)結(jié)果為“優(yōu)”的情況，因此所提取的規(guī)則主要考慮分類(lèi)為 “yes”的百分比規(guī)則。所生成的分類(lèi)規(guī)則如下：

規(guī)則1：IF學(xué)歷＝碩士 THEN 類(lèi)是 “yes”的比例為92.3%；

規(guī)則2：IF學(xué)歷＝本科AND性別＝男AND職稱(chēng)＝副教授THEN類(lèi)是 “yes”的比例為85.5%；

規(guī)則3：IF學(xué)歷＝本科AND性別＝男AND職稱(chēng)＝高講AND年齡＞37THEN類(lèi)是 “yes”的比例為87.5%；

規(guī)則4：IF學(xué)歷＝本科AND性別＝女AND職稱(chēng)＝副教授A(yíng)ND年齡＞45THEN類(lèi)是 “yes”的比例為90.9%；

圖1 教學(xué)質(zhì)量評(píng)價(jià)結(jié)果決策樹(shù)

圖2 剪枝后的教學(xué)質(zhì)量評(píng)價(jià)結(jié)果決策樹(shù)

規(guī)則5：IF學(xué)歷＝本科AND性別＝女AND職稱(chēng)＝高講AND年齡＞45THEN類(lèi)是 “yes”的比例為79.3%。

3.5 結(jié)論的運(yùn)用

將從決策樹(shù)中提取的分類(lèi)規(guī)則匯報(bào)給教學(xué)管理者，根據(jù)規(guī)則，教學(xué)管理者對(duì)學(xué)校教師任課情況做了一定的調(diào)整，對(duì)具有高學(xué)歷、高職稱(chēng)及年齡在37歲以上的教師充實(shí)到教學(xué)第一線(xiàn)，并適當(dāng)增加課時(shí)量，發(fā)揮他們的長(zhǎng)處，在教學(xué)隊(duì)伍中起到帶頭、示范作用。對(duì)于年青教師則通過(guò)交流、聽(tīng)課、教學(xué)活動(dòng)等手段來(lái)提高他們的教學(xué)經(jīng)驗(yàn)及能力。在引進(jìn)人才方面也以高學(xué)歷高職稱(chēng)為主。經(jīng)過(guò)2010年春期實(shí)踐，對(duì)2010年春期的評(píng)價(jià)結(jié)果進(jìn)行挖掘，30歲以下的年青教師的優(yōu)秀率從原來(lái)的10.12%提高到28.43%，具有明顯的提高。

4 結(jié)束語(yǔ)

本文結(jié)合重慶某職業(yè)技術(shù)學(xué)院2009年秋教學(xué)評(píng)價(jià)結(jié)果及教師個(gè)人信息數(shù)據(jù)，利用決策樹(shù)分類(lèi)算法實(shí)現(xiàn)了二者之間關(guān)系的分析，并得出一定的結(jié)論，為教學(xué)管理者提供決策支持并取得一定的效果。當(dāng)然，教師的儀表、行為，學(xué)生自身素質(zhì)及其它因素是否也會(huì)影響到學(xué)生對(duì)教師的評(píng)價(jià)，這也值得探討。將數(shù)據(jù)挖掘技術(shù)充分應(yīng)用到教學(xué)評(píng)價(jià)系統(tǒng)中，能幫助教學(xué)管理者和決策者從中獲取更多有價(jià)值的、有興趣的信息與知識(shí)，對(duì)教學(xué)的發(fā)展與教學(xué)質(zhì)量的提高有很大的幫助。

［1］LIU Mei－ling，LI Xi，LI Yong－sheng.Application of data mining in university teaching and management ［J］.Computer Engineering and Design，2010，31 （5）：1130－1133 （in Chinese）.［劉美玲，李熹，李永勝.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)與管理中的應(yīng)用 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31 （5）：1130－1133.］

［2］YU La－sheng，LI Qiang.Research on application of data mining in quality supervising and management system ［J］.Computer Engineering and Design，2010，31 （10）：2327－2334（in Chinese）.［余臘生，李強(qiáng).數(shù)據(jù)挖掘在質(zhì)量管理系統(tǒng)中的應(yīng)用研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（10）：2327－2334.］

［3］YE Ming－quan， WU Chang－rong，HU Xue－gang.Research and application on medical data mining based on rough sets［J］.Computer Engineering and Applications，2010，46（21）：232－234 （in Chinese）.［葉明全，伍長(zhǎng)榮，胡學(xué)鋼.基于粗糙集的醫(yī)療數(shù)據(jù)挖掘研究與應(yīng)用.計(jì)算機(jī)工程與應(yīng)用，2010，46 （21）：232－234.］

［4］WANG Wei－h(huán)ui，GENG Guo－h(huán)ua，CHEN Li.Appliacation of data mining to insurance business ［J］.Computer Applications and Software，2008，25 （3）：123－125 （in Chinese）. ［王偉輝，耿國(guó)華，陳莉.數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)業(yè)務(wù)中的應(yīng)用 ［J］.計(jì)算機(jī)應(yīng)用與軟件，2008，25 （3）：123－125.］

［5］WANG Jia－xin，WANG Xu－h(huán)ui.Teaching evaluation system through network based on data mining ［J］.Journal of Henan Institute of Engineering，2009，21 （3）：50－52 （in Chinese）.［王佳欣，王旭輝.基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)評(píng)教系統(tǒng) ［J］.河南工程學(xué)院學(xué)報(bào) （自然科學(xué)版），2009，21 （3）：50－52.］

［6］XIAO Zhi－ming.Data mining in higher education evaluation system ［J］.Coal Technology，2010，29 （7）：212－214 （in Chinese）.［肖志明.數(shù)據(jù)挖掘在高校教學(xué)評(píng)價(jià)系統(tǒng)中的應(yīng)用［J］.煤炭技術(shù)，2010，29 （7）：212－214.］

［7］GUO Xiao－li，GUO Ping，F(xiàn)ENG Li.Implementation of data mining technology in analysis and appraisal system of teaching quality ［J］.Journal of Northeast Dianli University Natural Science Edition，2006，26 （3）：70－73 （in Chinese）. ［郭曉利，郭平，馮力.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)質(zhì)量分析評(píng)價(jià)系統(tǒng)的實(shí)現(xiàn) ［J］.東北電力大學(xué)學(xué)報(bào) （自然科學(xué)版），2006，26（3）：70－73.］

［8］FU Hai－yan，F(xiàn)U Mou－song，ZHANG Cheng－yi.Application of rough set theory to instruction quality evaluation and analysis［J］.Computer Engineering and Applications，2007，43（36）：214－216 （in Chinese）.［付海艷，符謀松，張誠(chéng)一.粗糙集理論在高校教學(xué)質(zhì)量評(píng)價(jià)分析中的應(yīng)用 ［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43 （36）：214－216.］

［9］MENG Fan－rong，SHI Lei，HU Ji－cheng.Research on classification technology of data mining ［J］.Computer and Modernization，2008，24 （3）：29－31 （in Chinese）.［孟凡榮，施蕾，胡繼成.數(shù)據(jù)挖掘中分類(lèi)技術(shù)的研究 ［J］.計(jì)算機(jī)與現(xiàn)代化，2008，24 （3）：29－31.］

［10］TAN Jun－lu，WU Jian－h(huán)ua.Classification algorithm of rule based on decision－tree ［J］.Computer Engineering and Design，2010，31 （5）：1017－1019 （in Chinese）.［譚俊璐，武建華.基于決策樹(shù)規(guī)則的分類(lèi)算法研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31 （5）：1017－1019.］

［11］CHENG Tie－xin，GUO Tao，QI Xin.Application of decision－tree cluster model in the risk pre－warning for the tender evaluation of civil projects ［J］.Journal of Applied Statistics and Management，2010，29 （1）：122－128 （in Chinese）.［程鐵信，郭濤，祁昕.決策樹(shù)分類(lèi)模型在工程項(xiàng)目評(píng)標(biāo)風(fēng)險(xiǎn)預(yù)警 中的應(yīng) 用 ［J］.數(shù)理統(tǒng)計(jì)與 管理，2010，29 （1）：122－128.］

［12］CHENG Chang－pin，CHEN Qian.Research of applying the method of decision tree based on information gain ratio to college students employment forecasting ［J］.Computer Simulation，2010，27 （2）：299－302 （in Chinese）. ［程昌品，陳強(qiáng).基于信息增益比的決策樹(shù)用于畢業(yè)生就業(yè)預(yù)測(cè) ［J］.計(jì)算機(jī)仿真，2010，27 （2）：299－302.］

［13］ZHANG Hai－xiao.The research on application of data classification in teaching of high learning ［D］.The Full Text of Chinese good Master’s Thesis Database，2005 （in Chinese）.［張海笑.數(shù)據(jù)挖掘分類(lèi)技術(shù)在高校教學(xué)中的應(yīng)用研究 ［D］.中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)，2005.］

［14］LU Jing－jing.Teaching evaluation systems based on data mining ［D］.The full text of Chinese Good Master’s Thesis Database，2007（in Chinese）.［盧晶晶.基于數(shù)據(jù)挖掘的教學(xué)評(píng)價(jià)系統(tǒng) ［D］.中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)，2007.］

［15］ WEI Hong－ning.Comparison among methods of decision tree pruning［J］.Journal of Southwest Jiaotong University，2005，40 （1）：44－48 （in Chinese）. ［魏紅寧.決策樹(shù)剪枝方法的比較 ［J］.西南交通大學(xué)學(xué)報(bào)，2005，40 （1）：44－48.］