一種基于ID3的計(jì)算機(jī)等級(jí)考試成績(jī)分析方法

曾 旭，司馬宇

（1.遵義醫(yī)學(xué)院 醫(yī)學(xué)信息工程系，貴州 遵義 563003；2.遵義醫(yī)學(xué)院 網(wǎng)絡(luò)技術(shù)中心，貴州 遵義 563003）

計(jì)算機(jī)等級(jí)考試是經(jīng)國(guó)家教育部批準(zhǔn)，由教育部考試中心主辦，面向社會(huì)，用于考察應(yīng)試人員計(jì)算機(jī)應(yīng)用知識(shí)與技能的計(jì)算機(jī)水平考試體系。該考試是根據(jù)不同部門(mén)應(yīng)用計(jì)算機(jī)的需要、國(guó)內(nèi)計(jì)算機(jī)技術(shù)的發(fā)展?fàn)顩r以及中國(guó)計(jì)算機(jī)教育、教學(xué)和普及的現(xiàn)狀確定的；它以應(yīng)用能力為主，劃分等級(jí)，分別考核，為專業(yè)人員擇業(yè)、人才流動(dòng)提供其計(jì)算機(jī)應(yīng)用知識(shí)與能力水平的證明。

自醫(yī)療信息化建設(shè)提出以來(lái)，醫(yī)療衛(wèi)生領(lǐng)域傳統(tǒng)的紙質(zhì)存檔辦公方式已經(jīng)成為阻礙該行業(yè)發(fā)展的重要因素之一。為了加快醫(yī)療信息化建設(shè)的步伐，醫(yī)學(xué)院校培養(yǎng)擁有辦公自動(dòng)化操作能力的醫(yī)務(wù)人員已成為不可忽視的大學(xué)本科培養(yǎng)目標(biāo)，因此在遵義醫(yī)學(xué)院的本科課程設(shè)置中專門(mén)強(qiáng)調(diào)了計(jì)算機(jī)等級(jí)考試的教學(xué)與考核。為了讓學(xué)生有的放矢地學(xué)習(xí)和考核，遵義醫(yī)學(xué)院醫(yī)學(xué)信息工程系收集了相關(guān)的考核數(shù)據(jù)并利用數(shù)據(jù)挖掘技術(shù)作出了分析，分析結(jié)果為后期教學(xué)工作的開(kāi)展起到了很好的指導(dǎo)作用。

1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘[1]是從大量數(shù)據(jù)中發(fā)現(xiàn)有趣模式，其中數(shù)據(jù)可以存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中。數(shù)據(jù)挖掘的類(lèi)型包括分類(lèi)規(guī)則挖掘、關(guān)聯(lián)規(guī)則挖掘、預(yù)測(cè)分析、總結(jié)規(guī)則挖掘、聚類(lèi)規(guī)則挖掘、偏差分析和趨勢(shì)分析等。其中分類(lèi)算法作為數(shù)據(jù)挖掘中獲取和提取知識(shí)的重要方法，在數(shù)據(jù)挖掘中起著重要作用。其中決策樹(shù)算法以其直觀性強(qiáng)、數(shù)據(jù)分析效率高等優(yōu)點(diǎn)而倍受關(guān)注。

1.1 決策樹(shù)概念

決策樹(shù)由葉子結(jié)點(diǎn)、內(nèi)部結(jié)點(diǎn)以及分叉構(gòu)成。樹(shù)的分叉表示檢驗(yàn)的結(jié)果，樹(shù)的內(nèi)部結(jié)點(diǎn)表示某種檢驗(yàn)屬性，分類(lèi)則用葉子結(jié)點(diǎn)表示[2]。

決策樹(shù)的學(xué)習(xí)算法本質(zhì)是貪心算法。決策樹(shù)的構(gòu)建過(guò)程是由上到下、分而治之。從根結(jié)點(diǎn)開(kāi)始，對(duì)給定的數(shù)據(jù)樣本進(jìn)行測(cè)試，根據(jù)測(cè)試所得結(jié)果將數(shù)據(jù)樣本劃分成若干子樣本集，每個(gè)子樣本集合構(gòu)成新子結(jié)點(diǎn)。迭代該建樹(shù)過(guò)程，直到滿足給定的終止條件。一個(gè)構(gòu)建好的決策樹(shù)，從根節(jié)點(diǎn)開(kāi)始到葉子結(jié)點(diǎn)，每個(gè)分支對(duì)應(yīng)一條規(guī)則。

1.2 決策樹(shù)算法

20世紀(jì)70年代，機(jī)器學(xué)習(xí)研究者J.Ross Quinlan開(kāi)發(fā)了決策樹(shù)算法，稱作ID3[4-6]。Quinlan后來(lái)提出了C4.5，成為新的監(jiān)督學(xué)習(xí)算法的性能比較基準(zhǔn)。1984年幾位統(tǒng)計(jì)學(xué)家出版了分類(lèi)與回歸樹(shù)（CART）。以上兩類(lèi)基礎(chǔ)算法促進(jìn)了決策樹(shù)歸納的研究。

本文的數(shù)據(jù)分析算法采用ID3，其算法描述如下：

輸入：樣本samples;候選屬性的集合attribute_list.

輸出：判定樹(shù).

2 ID3對(duì)評(píng)分結(jié)果的分析

將ID3決策樹(shù)規(guī)則的挖掘算法應(yīng)用于遵義醫(yī)學(xué)院計(jì)算機(jī)等級(jí)考試模擬評(píng)分系統(tǒng)中，根據(jù)現(xiàn)有的考試成績(jī)可獲得決策樹(shù)規(guī)則?，F(xiàn)以2010級(jí)臨床專業(yè)某班級(jí)40名學(xué)生的考試成績(jī)?yōu)槔捎脹Q策樹(shù)規(guī)則對(duì)Typing、Word、Windows、Choice、Excel和Internet 6種題型間的決策樹(shù)規(guī)則進(jìn)行挖掘?？荚嚁?shù)據(jù)共包含40條記錄，原表的基本結(jié)構(gòu)和表中的部分?jǐn)?shù)據(jù)如表1所示。

表1 原始數(shù)據(jù)

2.1 數(shù)據(jù)預(yù)處理

為了更好地進(jìn)行決策樹(shù)挖掘，需對(duì)給定成績(jī)進(jìn)行預(yù)處理[7-10]，預(yù)處理過(guò)程是：將得分率低于0.6的題預(yù)處理為未達(dá)標(biāo)，否則預(yù)處理為達(dá)標(biāo)，預(yù)處理結(jié)果見(jiàn)表2。具體處理方法如下：

Choice題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于12分），“達(dá)標(biāo)”（12-20分）。

Windows題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于6分），“達(dá)標(biāo)”（6-10分）。

Typing題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于9分），“達(dá)標(biāo)”（9-15分）。

Word題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于15分），“達(dá)標(biāo)”（15-25分）。

Excel題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于12分），“達(dá)標(biāo)”（12-20分）。

Internet題預(yù)處理規(guī)則：分段預(yù)處理為“未達(dá)標(biāo)”（小于6分），“達(dá)標(biāo)”（6-10分）。

表2 預(yù)處理后數(shù)據(jù)

2.2 構(gòu)造決策樹(shù)

根據(jù)ID3算法原理，按照2010級(jí)臨床專業(yè)學(xué)生是否通過(guò)考試來(lái)構(gòu)造決策樹(shù)模型，采用以下幾個(gè)步驟。

步驟1：計(jì)算2010級(jí)臨床專業(yè)成績(jī)樣本分類(lèi)所需的期望信息

將樣本分成兩類(lèi)：設(shè)C1是考試通過(guò)的類(lèi)，C2是考試未通過(guò)的類(lèi)，則S1=22，S2=18，總計(jì)S=40。

計(jì)算給定成績(jī)樣本分類(lèi)所需的期望信息：

步驟2：計(jì)算每個(gè)考試題型的信息增益

（1）計(jì)算“Choice”題型的信息增益

對(duì)于“Choice題”=“達(dá)標(biāo)”的情況

對(duì)于“Choice題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Choice題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

（2）計(jì)算“Windows題”題型的信息增益

對(duì)于“Windows題”=“達(dá)標(biāo)”的情況

對(duì)于“Windows題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Windows題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

（3）計(jì)算“Typing題”題型的信息增益

對(duì)于“Typing題”=“達(dá)標(biāo)”的情況

對(duì)于“Typing題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Typing題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

（4）計(jì)算“Word題”題型的信息增益

對(duì)于“Word題”=“達(dá)標(biāo)”的情況

對(duì)于“Word題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Word題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

（5）計(jì)算“Excel題”題型的信息增益

對(duì)于“Excel題”=“達(dá)標(biāo)”的情況

對(duì)于“Excel題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Excel題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

（6）計(jì)算“Internet題”題型的信息增益

對(duì)于“Internet題”=“達(dá)標(biāo)”的情況

對(duì)于“Internet題”=“未達(dá)標(biāo)”的情況

計(jì)算出按“Internet題”劃分給定樣本所需的期望信息為：

這種劃分的信息增益是：

步驟3：確定測(cè)試題型

由于“Excel題”的信息增益最高，它被選為測(cè)試題型，用于建立第一個(gè)結(jié)點(diǎn)，并將樣本分成兩個(gè)部分，然后對(duì)每一棵子樹(shù)按照上述方法遞歸計(jì)算，最后生成的決策樹(shù)如圖1所示。

2.3 提取決策樹(shù)分類(lèi)規(guī)則

在本例中可提取出以下分類(lèi)規(guī)則：

（1）If “Excel題”=“達(dá)標(biāo)” then “通過(guò)”

（2）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” then “未通過(guò)”

圖1 生成決策樹(shù)

（3）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” and “Typing題”=“未達(dá)標(biāo)” then “未通過(guò)”

（4）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” and “Typing題”=“未達(dá)標(biāo)” and “Choice題”=“未達(dá)標(biāo)”then “未通過(guò)”

（5）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” and “Typing題”=“未達(dá)標(biāo)” and “Choice題”=“未達(dá)標(biāo)”and “Word題”=“未達(dá)標(biāo)”then “未通過(guò)”

（6）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” and “Typing題”=“未達(dá)標(biāo)” and “Choice題”=“未達(dá)標(biāo)”and “Word題”=“未達(dá)標(biāo)” and “Internet題”=“未達(dá)標(biāo)”then “未通過(guò)”

（7）If “Excel題”=“未達(dá)標(biāo)” and“Windows題”=“未達(dá)標(biāo)” and “Typing題”=“未達(dá)標(biāo)” and “Choice題”=“未達(dá)標(biāo)”and “Word題”=“未達(dá)標(biāo)” and “Internet題”=“達(dá)標(biāo)”then “通過(guò)”

3 結(jié)束語(yǔ)

由提取的決策樹(shù)規(guī)則，可得出以下幾個(gè)結(jié)論：

（1）“Excel題”考試“達(dá)標(biāo)”的同學(xué)熟練掌握了計(jì)算機(jī)操作的相關(guān)題型，能夠在考試過(guò)程中獲得高分并順利通過(guò)考試。

（2）“Excel題”考試“未達(dá)標(biāo)”的同學(xué)，必須在其他5類(lèi)題型中獲得高分，方可通過(guò)考試。

對(duì)2010級(jí)臨床專業(yè)考生在計(jì)算機(jī)等級(jí)考試中6種題型的得分情況進(jìn)行決策樹(shù)挖掘，所得結(jié)論能夠幫助學(xué)生發(fā)現(xiàn)“Excel題”為關(guān)鍵性題型，便于學(xué)生在學(xué)習(xí)過(guò)程中把握考試的重點(diǎn)。與此同時(shí)，教師也需在教學(xué)過(guò)程中突出“Excel題”的講解，幫助學(xué)生把握考試的關(guān)鍵題型并提升過(guò)級(jí)率。此結(jié)論對(duì)考生和教師來(lái)說(shuō)均具有較強(qiáng)的指導(dǎo)性。

[1]K P Soman, Shyam Diwadar,V Ajay.數(shù)據(jù)挖掘教程[M].北京:清華大學(xué)出版社,2003.1-3.

[2]向文燕.ID3算法在英語(yǔ)成績(jī)分析中的應(yīng)用研究[J].柳州職業(yè)技術(shù)學(xué)院學(xué)報(bào),2011,11(2):31-34.

[3]Jiawei Han, Micheline Kamber.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2007.192.

[4]王永梅,胡學(xué)鋼.決策樹(shù)中ID3算法的研究[J].安徽大學(xué)學(xué)報(bào),2011,35(3):71-75.

[5]陳偉,程黃金.ID3算法構(gòu)造學(xué)生專升本考生以成績(jī)分析決策樹(shù)[J].電腦知識(shí)與技術(shù),2009,5(3):744-746.

[6]吳陳,林炎鐘.C4.5算法在高校教師評(píng)價(jià)中的應(yīng)用研究[J].信息技術(shù),2011,(1):133-136.

[7]鄺濤.基于決策樹(shù)技術(shù)在高校成績(jī)分析中的應(yīng)用研究[J].新鄉(xiāng)學(xué)院學(xué)報(bào),2011,28(1):49-51.

[8]何小明.基于OLAP與數(shù)據(jù)挖掘的高考招生數(shù)據(jù)分析[J].計(jì)算機(jī)科學(xué),2012,39(6):175-178.

[9]劉美玲.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.

[10]王丹.數(shù)據(jù)挖掘技術(shù)在高職院校教學(xué)管理中的應(yīng)用[J].廣東技術(shù)師范學(xué)院學(xué)報(bào),2010, (3):58-60.