決策樹算法在高校教學(xué)信息系統(tǒng)應(yīng)用初探

鐘 敏

(武漢工程職業(yè)技術(shù)學(xué)院 湖北 武漢：430080)

隨著信息技術(shù)的發(fā)展，各高校以數(shù)據(jù)庫(kù)為核心，搭建起來(lái)各種管理應(yīng)用平臺(tái)，經(jīng)過多年的運(yùn)行，積累了大量的數(shù)據(jù)。然而很多時(shí)候，這些數(shù)據(jù)的利用率并不高，對(duì)這些數(shù)據(jù)的應(yīng)用還是停留在當(dāng)初系統(tǒng)設(shè)計(jì)階段，如何提取并運(yùn)用這些大數(shù)據(jù)是當(dāng)前研究的一個(gè)熱門方向。近年來(lái)，人工智能涉及領(lǐng)域不斷擴(kuò)展，其中的機(jī)器學(xué)習(xí)也受到越來(lái)越多人的關(guān)注。在大數(shù)據(jù)背景下，機(jī)器學(xué)習(xí)能捕獲數(shù)據(jù)并從中獲取有價(jià)值的信息或模式，進(jìn)而能揭示數(shù)據(jù)背后隱藏的真實(shí)的意義。如果將用機(jī)器學(xué)習(xí)獲取到的這些知識(shí)應(yīng)用到高校信息系統(tǒng)中，那么原有的系統(tǒng)將會(huì)變得更加“聰明”，幫助我們做出更好的決策或發(fā)現(xiàn)更多的問題，從而提升辦學(xué)質(zhì)量。為此，將機(jī)器學(xué)習(xí)中的經(jīng)典算法——決策樹算法應(yīng)用到現(xiàn)行教師工作量平臺(tái)上，發(fā)現(xiàn)數(shù)據(jù)潛在信息和規(guī)則，找到影響教學(xué)質(zhì)量的關(guān)鍵因素，從而提高教學(xué)管理水平。

1 決策樹算法

決策樹(Decision tree)是一種基本的分類與回歸方法。它是一種樹形結(jié)構(gòu)，其中的內(nèi)部結(jié)點(diǎn)表示測(cè)試數(shù)據(jù)集中的特征或?qū)傩?，葉子結(jié)點(diǎn)則為一個(gè)決策結(jié)果。用決策樹處理分類問題時(shí)，其過程是用特征或?qū)傩詫?duì)數(shù)據(jù)集進(jìn)行分類，結(jié)果既可以看成歸納出的一組分類規(guī)則，也可以認(rèn)為是估算的條件概率模型。決策樹算法通常包括3個(gè)步驟：特征選擇、決策樹的生成和決策樹的修剪，其中，決策樹的生成是重點(diǎn)。常用的決策樹算法有ID3、C4.5、CART等算法，其中ID3是經(jīng)典算法，但它只能對(duì)離散數(shù)據(jù)做分類處理，C4.5、CART可以對(duì)連續(xù)數(shù)據(jù)做分類處理。本文目標(biāo)是嘗試對(duì)現(xiàn)有高校信息平臺(tái)數(shù)據(jù)做一些知識(shí)學(xué)習(xí)實(shí)踐，故選擇基礎(chǔ)經(jīng)典的ID3算法，后續(xù)也會(huì)對(duì)其它算法做一些嘗試。

1.1 決策樹的構(gòu)造

采用了ID3算法，其基本思想是構(gòu)造一棵決策樹。具體步驟：找出當(dāng)前當(dāng)前數(shù)據(jù)集中的關(guān)鍵特征，依據(jù)該特征對(duì)當(dāng)前數(shù)據(jù)集進(jìn)行劃分，得到不同的數(shù)據(jù)子集，再一次對(duì)數(shù)據(jù)子集做相同的處理，直到所有相同類型的數(shù)據(jù)均在一個(gè)子集內(nèi)為止，具體過如程圖1。

圖1 構(gòu)造決策樹算法

1.2 信息增益

從上述算法可以看出，如何度量劃分?jǐn)?shù)據(jù)集的最佳特征是一個(gè)關(guān)鍵問題。ID3算法將劃分?jǐn)?shù)據(jù)集之前之后信息發(fā)生的變化稱為信息增益。通過計(jì)算信息增益，可以了解每個(gè)特征值劃分?jǐn)?shù)據(jù)集所獲得的信息增益，比較獲得信息增益最高的特征就是當(dāng)前最好的選擇。信息增益表達(dá)用到了香濃熵，下面是信息xi香濃熵的定義：

L(xi)=-log2p(xi)

上式中p(xi)表示選擇該類分類的概率。

有了香濃熵，可以定義出每個(gè)結(jié)點(diǎn)(特征)上的信息增益H：

依據(jù)信息增益最大的特征，可以劃分當(dāng)前數(shù)據(jù)集，該特征成為生成樹上的一個(gè)分支，依次類推，可以構(gòu)造出決策樹，基本算法如1.1決策樹的構(gòu)造。

1.3 決策樹的一般應(yīng)用流程

(1)收集數(shù)據(jù)：可以用任意的方式，如來(lái)自于數(shù)據(jù)庫(kù)。

(2)清理數(shù)據(jù)：將數(shù)據(jù)離散成數(shù)值型數(shù)據(jù)，產(chǎn)生對(duì)應(yīng)訓(xùn)練數(shù)據(jù)集。

(3)訓(xùn)練數(shù)據(jù)：將產(chǎn)生的訓(xùn)練數(shù)據(jù)集按1.1的方法構(gòu)造決策樹。

(4)測(cè)試算法：使用測(cè)試數(shù)據(jù)集估算錯(cuò)誤率(適用于監(jiān)督學(xué)習(xí)算法)。

2 決策樹算法在工作量平臺(tái)中應(yīng)用

2.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)來(lái)自于筆者編寫的教學(xué)工作量管理平臺(tái)，該平臺(tái)主要作用是記錄教師每學(xué)期的工作量，統(tǒng)計(jì)超學(xué)時(shí)情況，從2010年至今，平臺(tái)中積累了大量的數(shù)據(jù)。如何從這類數(shù)據(jù)中學(xué)習(xí)更多有用的信息，本次實(shí)踐只是一次有意義的嘗試。從平臺(tái)中隨機(jī)抽取了某學(xué)院36名教師2019年第一學(xué)期的工作量情況，選取其中6個(gè)特征值，結(jié)合年終的教學(xué)評(píng)價(jià)構(gòu)成表1的原始數(shù)據(jù)集。

表1 原始數(shù)據(jù)集

接下來(lái)對(duì)表1的數(shù)據(jù)集進(jìn)行離散化處理，以適應(yīng)ID3算法，處理規(guī)則如下：

1年齡：按教師年齡段劃分為三檔，約定為1表示青年教師(年齡小于30歲)，2表示中年教師(年齡在30歲至45歲之間)，3表示老年教師(年齡大于45歲)。

2學(xué)歷：按教師學(xué)歷情況，約定為1表示大專，2表示本科，3表示碩士研究生，4表示博士研究生。

3職稱：按教師現(xiàn)有職稱情況，約定1表示助教，2表示講師，3表示副高，4表示正高。

4課程：原有數(shù)據(jù)為教師本學(xué)期所教授課程名稱，因關(guān)注的是課程數(shù)據(jù)量，所以將課程名稱改為課程數(shù)量，即當(dāng)年所上專業(yè)課數(shù)量。

5人數(shù)：將班級(jí)人數(shù)除以課程數(shù)，大于100表示多班級(jí)用1表示，否則為0。

6工作量：按實(shí)際情況將工作量分為四類，1表示工作量>140學(xué)時(shí)，2表示工作量>180學(xué)時(shí)，3表示工作量>240學(xué)時(shí)，4表示工作量>300學(xué)時(shí)。

7評(píng)教：評(píng)教數(shù)據(jù)原有為百分?jǐn)?shù)據(jù)，我們也將它離散化為四檔：0表示不合格，1表示稱職，2表示良好，3表示優(yōu)秀。

處理后表格如表2所示。

表2 修改后的訓(xùn)練數(shù)據(jù)集

2.2 生成決策樹

使用Python作為開發(fā)語(yǔ)言，Python語(yǔ)法結(jié)構(gòu)清晰，有豐富的數(shù)據(jù)類型，如列表、元組、字典、集合、隊(duì)列等，對(duì)這些數(shù)據(jù)類型的操作簡(jiǎn)單。另外，Python中提供了很多可視化工具，能直觀地顯示結(jié)果。表3是在表2的訓(xùn)練數(shù)據(jù)集上構(gòu)造決策樹中計(jì)算出的特征值的信息增益變化，能反映程序執(zhí)行過程中圖2決策樹的構(gòu)造過程。

表3 決策樹構(gòu)建中的信息增益變化

圖2 構(gòu)建的決策樹模型

2.3 構(gòu)建決策樹模型分析總結(jié)

從圖2構(gòu)建的決策樹中可以得到一組規(guī)則：

1職稱是關(guān)鍵因素，高級(jí)職稱的教師評(píng)教較好，這和學(xué)校實(shí)際情況是相符的。

2因?yàn)閿?shù)據(jù)的原因，課程數(shù)量取樣上絕大部分老師教授課程為2門課，所以這部分?jǐn)?shù)據(jù)有些失真，屬于可修剪特征，如果改變訓(xùn)練集，將會(huì)反映不同的情況。

3工作量是次關(guān)鍵因素，從決策樹中能發(fā)現(xiàn)，工作量高并非能有好的教學(xué)評(píng)價(jià)，工作量在每學(xué)期180-300學(xué)時(shí)之間較為合理，工作量偏小也不利于教學(xué)工作。

4學(xué)歷特征在決策樹中也有反映，高學(xué)歷并沒有能反映較高的評(píng)教，說明這一部分老師還有潛力可挖掘，如何調(diào)動(dòng)這部分老師的積極性，將是一個(gè)課題。

5年齡特征中，年青教師和老年教師評(píng)教較高。

6班級(jí)人數(shù)情況和課程數(shù)量情況類似，合班較多，數(shù)據(jù)有些失真，也是可修剪特征，選取更多的小班上課，能了解更多。

上述規(guī)則中，找到了影響教師教學(xué)質(zhì)量的關(guān)鍵因素依次為職稱、工作量、學(xué)歷、年齡或班級(jí)人數(shù)。在教師工作量管理工作中，可以根據(jù)這些關(guān)鍵因素合理分配教師的工作量，即依據(jù)老師的特點(diǎn)合理選擇課程及工作量，以提高教學(xué)管理的水平。

3 結(jié)語(yǔ)

決策樹學(xué)習(xí)的優(yōu)點(diǎn)是計(jì)算復(fù)雜度不高，輸出結(jié)果易于理解，對(duì)中間值的缺失不太敏感，可以處理不相關(guān)數(shù)據(jù)，缺點(diǎn)是可能產(chǎn)生過度匹配的問題。原設(shè)計(jì)中，找到了影響教師教學(xué)質(zhì)量的關(guān)鍵因素，但有些數(shù)據(jù)如課程數(shù)量、班級(jí)人數(shù)有些失真，可考慮增加教學(xué)態(tài)度、教學(xué)內(nèi)容和教學(xué)方法等特征，更好地評(píng)估教師教學(xué)工作，提高教學(xué)管理水平。后面將在原有信息系統(tǒng)平臺(tái)基礎(chǔ)上，添加一個(gè)包含各種機(jī)器學(xué)習(xí)算法的智能服務(wù)層，將清洗過的數(shù)據(jù)輸入到智能服務(wù)層中，通過不同的條件判斷，選擇不同機(jī)器學(xué)習(xí)算法，輸出各種規(guī)則信息或不同預(yù)測(cè)及驗(yàn)證，使原有的系統(tǒng)更加“聰明”。