谭志国　林勇军　沈先耿　桂鹏飞

摘 要 文章分析了目前军事训练成绩分析存在问题，针对存在问题给出了利用决策树模型对院校军事训练成绩进行分析的建模方法，详细讨论了建模步骤。该模型的建立可有效分析训练中存在的影响成绩的隐藏因素，为后续针对性地提高训练质量提供依据。

关键词 院校训练 成绩分析 决策树模型

中图分类号：G642 TP391 文献标识码：A

0引言

军事训练是军事院校的中心工作，更是一项主抓经常性的工作。学员在训练教学过程中积累了大量的数据，但军事训练主管部门对训练成绩的分析有限。导致只能从表面得出训练效果，难以找到影响训练成绩的隐藏因素。如何利用训练成绩科学有效分析教学的成效得失，找到问题根结是亟待解决的问题。为真正挖掘到数据间潜在的相关性，文章拟通过决策树建模方法对数据进行分析，找到影响训练成绩的真实原因，从而为后续采取相应措施，提高训练质量奠定基础。

1训练成绩数据分析基本流程

利用决策树技术可有效对军事训练成绩进行科学且全面地分析，找出影响军事训练成绩深层次的潜在因素。所得到的结果和信息能对以后的军事教学工作提供很大的帮助。

2分析对象以及数据准备

确定分析对象，明确目标，能避免数据挖掘盲目性。本文以军事院校学员的军事训练成绩为对象，目标挖掘分析学员的军事训练成绩与影响因素的相关性。

（1）数据收集。根据业务对象和目标收集包含以下属性信息：姓名、标准体重、生源、年级、周训练频度、科目训练成绩。标准体重以国际BMI（Body Mass Index）指数作为衡量标准。生源分为高考青年学员和部队士兵学员。周训练频度（1次、2次、3次等），周训练频度是指一周内学员连对体能科目的训练次数。

（2）数据预处理。删除缺项、填补空缺。如伤病号未参加考核，忽略删除；对个别的空缺，则采用在该属性上出现的多数属性值人工填补。

（3）数据转换与归约。由于决策树技术需要离散值属性，而学生成绩属于连续值属性，需将连值属性离散化处理。使用概念分层技术，可以将连续值属性轉换为离散值属（即离散化）。

3决策树建模与分析

（1）根据转换获取的数据选择决策树算法。建立决策树模型的工作流程如图2所示：

具体实现步骤介绍如下：

①计算数据的分类信息熵，再计算各属性的信息增益率；

②按属性划分子集，计算信息熵；

③各属性分别计算期望信息、信息增益、信息增益率、分裂信息；

④建立决策树的根节点，信息增益率最大的作为决策树的根节点，并根据它的属性值引出分支；

⑤分支子集同理循环划分，直至子集为空或没有属性划分为止。

（2）成绩分析。利用建立的决策树模型，分别输入不同科目成绩以及上述对象的基本属性，从而分析各项科目之间以及与对象属性之间的内在联系。例如输入体重、生源、年级、周训练频度、科目A成绩、科目B成绩作为六个属性去预测科目C的成绩。

4结语

决策树算法是使用广泛且非常实用的归纳推理方法之一，文中给出了针对军事训练成绩分析的决策树建模方法，讨论了具体的实现步骤。利用该模型对军事训练成绩进行分析能有效提高院校军事训练的科学性与客观性，为训练计划、管理提供可靠依据。

参考文献

[1] 李海峰.数据挖掘技术在学生成绩分析中的应用研究[D].河北大学，2012.

[2] 王朋.合训分流学员体能训练探讨[J].南昌陆军学院学报，2008（12）.

[3] 魏萍萍，王翠茹，等.数据挖掘技术及其在高校教学系统中的应用[[J].计算机工程，2003，29（11）：87-89.