基于數(shù)據(jù)挖掘的學(xué)生考試成績分析研究

武警警官學(xué)院 四川 成都 610213

引言

軍事訓(xùn)練是部隊的中心工作，努力提高訓(xùn)練成績是部隊追求的目標，更是基層單位抓的經(jīng)常性工作。隨著部隊實戰(zhàn)化訓(xùn)練的深入，傳統(tǒng)的訓(xùn)練成績分析方法已不能適應(yīng)科學(xué)組訓(xùn)的需要，無非是得到均值、方差、效度和可信度而已，只能從表面獲取部隊訓(xùn)練的成效，無法深層次反應(yīng)訓(xùn)練成績間的關(guān)聯(lián)與特點，并不能從隱藏的因素中尋找真正影響訓(xùn)練成績的核心環(huán)節(jié)。數(shù)據(jù)挖掘能為決策者提供重要的、極有價值的信息或知識，從而產(chǎn)生不可估量的效益。雖然數(shù)據(jù)挖掘產(chǎn)品尚不成熟，但其市場份額卻正日益擴大，越來越多的大中型企業(yè)開始利用數(shù)據(jù)挖掘來分析公司的數(shù)據(jù)以輔助決策，數(shù)據(jù)挖掘正逐漸成為在社會市場競爭中立于不敗之地的法寶。為訓(xùn)練成績的分析提供科學(xué)的依據(jù)，為改進訓(xùn)練及弱勢科目的改進具有重要意義。

1 成績分析整體方案

科目與科目成績之間的關(guān)系，使用關(guān)聯(lián)規(guī)則分析總體流程圖為圖1所示。

圖1 運用關(guān)聯(lián)規(guī)則分析流程圖

2 Apriori算法步驟

2.1 關(guān)聯(lián)算法過程 Apriori算法[1-3]主要利用逐層搜索的迭代方法進行挖掘，其中k項集用于尋找k+1項集。首先通過完整的掃描數(shù)據(jù)庫，累計每個項的出現(xiàn)次數(shù)，并收集符合最小支持度的項，找出頻繁1項集的集合。該集合記為L1。然后，利用L1找出頻繁2項集的集合L2，再次利用L2找出L3，如此下去，直到不能再找出頻繁k項集。找出的每個Lk需要在數(shù)據(jù)庫一次完整的掃描。它可以用于挖掘事件數(shù)據(jù)集內(nèi)有價值的、未知的卻又實際存在的數(shù)據(jù)關(guān)系，找到這些關(guān)系——關(guān)聯(lián)規(guī)則，并利用即可達到某些預(yù)測功能。算法流程圖如圖2所示。

圖2 運用Apriori算法分析流程圖

2.2 挖掘頻繁項集具體實現(xiàn)

1.連接步:連接的作用是生成候選K項集。對預(yù)先設(shè)定的最小支持度，通過對項數(shù)為1的候選1項集C1，刪除小于最小支持度的項集得到頻繁1項集L1；然后L1由通過與自身連接生成候選2項集C2，保留C2中滿足最小支持度的項集，得到頻繁2項集L2；而后由L2與L2連接生成候選3項集C3，保留C3中滿足最小支持度的項集得到頻繁3項集L3，如此不斷循環(huán)，將會得到頻繁項集Lk。

2.剪枝步:緊跟著連接步后面的就是剪枝，剪枝的作用通過對比最小支持度，將不滿足的項集剔除掉，為下一步的運算縮小搜索空間的范圍。因為頻繁項集的所有非空子集也是頻繁項集，則Lk-1與Lk-1連接生成Ck也是頻繁項集。

3.先驗性質(zhì):頻繁項集的所有非空子集也是頻繁項集。其流程圖如圖3所示。

圖3 Apriori算法流程圖

3 實驗結(jié)果及分析

采用Matlab語言進行編寫，需要將等級用字符代替，其關(guān)系表如表1所示:

表1 科目等級與字符對應(yīng)關(guān)系表

挖掘12000條關(guān)聯(lián)規(guī)則，如表2所示。

表2 篩選后的關(guān)聯(lián)規(guī)則

3 C1→Z2 37.7193% 79.6296% 3 C2→Z2 35.9649% 89.1304%4 D1→Z2 15.7895% 85.7143% 4 D2→Z2 43.8596% 84.7458%5 E1→Z2 77.1930% 83.8095% 5 E2→Z2 - -6 F1→Z2 49.1228% 91.8033% 6 F2→Z2 18.4211% 95.4545%7 G1→Z2 - - 7 G2→Z2 48.2456% 82.0896%8 H1→Z2 - - 8 H2→Z2 73.6842% 84.8485%9 I1→Z2 5.2632% 85.7143% 9 I2→Z2 74.5614% 81.7308%

得到科目規(guī)則關(guān)系如圖4、圖5所示。

圖4 單科目優(yōu)秀與總評良好的規(guī)則

為提取出多個科目之間對總評的影響，使用主成分分析法將“重要”科目先篩選出來，而后利用Apriori算法進行關(guān)聯(lián)規(guī)則分析，選取兩個科目進行分析，提取出兩個科目與總評成績的規(guī)則如下。通過主成分分析法，得到的兩個科目分別為“科目7、科目8”，將兩個科目個等級的成績兩兩組合與總評良好之間的規(guī)則表如表4所示。

圖5 單科目良好與總評良好的規(guī)則

表4 科目7、科目8與總評關(guān)聯(lián)規(guī)則

由上表可知，可以得到刺殺與擒敵術(shù)兩個科目的成績與總評成績之間的關(guān)系，例如:“G2，H2→Z2”表示當刺殺與擒敵都取得良好的成績時，總評取得良好的成績的概率為43.8596%。而“G4，H2→Z2”表示刺殺取得及格，擒敵取得良好的情況下，總評良好的概率為28.9474%。其余科目與科目或與總評成績之間的關(guān)系可以在結(jié)果中查找并進行分析。

4 結(jié)論

本文運用Apriori算法主要在給定支持度與置信度的情況下對科目與科目，科目與總評之間的關(guān)聯(lián)規(guī)則的分析，結(jié)果較為詳實，有較強的參考性。