史凤波

摘要：在数据挖掘中，应用关联规则可以挖掘一个事物和其它事物之间存在的相关性。本文使用“基于布尔矩阵的Apriori算法”来分析课程之间的相互关联，进而为教务管理者提供准确的决策支持。

关键词：数据挖掘；关联规则；Apriori algorithm

中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2017）10-0099-02

2 使用关联规则对学生成绩进行分析

2.1 确定挖掘对象和目标

本应用的目标是根据学生的期末考试成绩，分析这些课程之间的相关性，发现类似“高等数学成绩优秀进而C语言成绩优秀”这样的关系。从而指导教务管理者安排教学计划[3]。

2.2 数据准备

（1）数据选择。是根据所确定的挖掘对象和目标，选择相关的数据，形成目标数据。（2）数据预处理。取自不同系统的目标数据在类型、度量等很多方面可能存在差异。其主要工作是对噪声数据、不完整数据、不一致数据进行再处理。（3）数据变换。是为课程的不同等级设置相应的代码，这里用x1、x2、x3、x4、x5分别表示Photoshop平面设计的成绩优秀、良好、中等、及格、不及格。同样y1、y2、y3、y4、y5表示网页制作的成绩等级，z1、z2、z3、z4表示多媒体课件制作的成绩等级。应用相应代码将数据转为事务数据库。

首先将连续的数值型数据转换为布尔型数据，以适合数据挖掘的需要。用相应代码将連续型数据转换成布尔型数据。转换后部分数据描述如图1所示。

2.3 数据挖掘

这里用改进的、基于布尔矩阵的Apriori算法进行挖掘。

（1）产生频繁项集。设最小支持度为0.06，通过对处理后的布尔矩阵数据进行计算，得到结果如图2所示。……