数据挖掘算法对于提高实验报告质量的作用探讨

2018-01-02苗维诚

赤峰学院学报·自然科学版 2017年24期

关键词：实验报告决策树数据处理

苗维诚

（蚌埠医学院数理教研室，安徽蚌埠 233030）

数据挖掘算法对于提高实验报告质量的作用探讨

苗维诚

（蚌埠医学院数理教研室，安徽蚌埠 233030）

为提高我校医用物理实验报告的质量，本文运用数据挖掘决策树C4.5算法对实验报告进行处理分析，找出影响实验报告质量的关键因素，建立决策树模型，提出改善的办法.

实验报告；数据挖掘；决策树算法

1 引言

蚌埠医学院数理教研室常年开设医用物理学实验课.实验报告是实验教学的一个重要环节，书写实验报告能锻炼学生的分析、写作、总结能力，培养学生的实验素质和科研能力，也是教师了解学生掌握知识的状况和进行成绩评定的依据[1].为提高物理实验报告质量，对学生的实验报告进行分析，运用数据挖掘决策树C4.5算法找出影响实验报告质量的关键因素.

2 数据挖掘C4.5算法介绍

2.1 定义

数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.决策树C4.5算法是数据挖掘领域最具影响力的算法之一，在给定数据集合上运行C4.5算法可以得到一个从属性值到类别的映射，进而可以用该映射去分类新的未知实例，最终形成决策树[2].

2.2 公式

C4.5算法构造决策树是以信息增益率作为分枝准则的，信息增益率表示分枝产生的有用信息的比率，选择具有最大信息增益率的关键因素作为树的根结点.

为了方便介绍C4.5算法的公式，先作如下假设：D表示一个训练集Di，（i=1,2，…，m）表示D中m个不同类，那么对D中的元组分类所需的期望信息记为Info（D），也叫做D的熵，公式为：

假定按照属性A将训练集D划分成n个不同的类，需要计算D关于属性A的熵EntropyA(D).

计算训练集D关于属性A的信息增益Gain（A）的公式为：

分裂信息SplitInfoA(D)表示按照属性A划分训练集D的广度和均匀性，公式为：

信息增益率（GainRatio）的计算公式为：

3 C4.5算法在提高实验报告质量中的应用

3.1 数据的获取

C4.5算法的数据来源于2016级临床专业的学生，选取了476份实验报告.为了方便数据的获取，对实验报告的四个方面分别进行打分，每项的总分都是10分，最后再给实验报告一个总分，满分100分.这四个方面为：（1）实验报告的格式内容.这里存在的问题主要是实验报告内容不完整，格式不规范，字迹潦草，抄袭书本原话，内容雷同.（2）实验数据的处理.主要问题是在数据处理上存在简单错误，比如计算错误，单位错误，图表格式不规范，还存在数据抄袭的现象.（3）实验报告的讨论总结.主要问题是学生的实验总结很简单，没有深度和新意，没有去查阅文献，缺少必要的讨论.（4）实验报告的反馈完善.问题主要是学生拿到批改后的实验报告不能及时修改，存在拖延现象，有的修改后仍然存在错误.

3.2 数据的预处理

通过对实验报告四个方面的打分，我们提取出影响实验报告质量的四个关键因素，分别为：“格式内容”“数据处理”“讨论总结”“反馈完善”.把这四项得分大于等于8分的记为“优”；小于8分的记为“一般”，于是我们就把“格式内容”“数据处理”“讨论总结”“反馈完善”根据得分都分为“优”和“一般”两类.根据实验报告的总得分，把大于等于80分的记为“优”；小于80分的记为“一般”，这样就把实验报告的质量也分为“优”和“一般”两类.对数据进行处理获得476条数据，把数据分为两类：训练集360条数据，测试集116条数据.

3.3 数据的计算分析

首先计算样本分类所需的期望信息量，即熵值.训练数据集360条数据，实验报告质量优的有112条，一般的有248条；

由公式①得：

然后计算每一个关键因素的信息增益率：

（1）属性“格式内容”，由训练集得：格式内容 =“优”有156条，其中84条实验报告质量优，72条质量一般；

格式内容=“一般”有204条，其中28条实验报告质量优，176条质量一般；

由公式②计算其熵值为：

由公式③计算其信息增益为：

Gain(格式内容)=I(S1,S2)－E(格式内容)=0.13603

由公式④计算分裂信息：

（2）属性“数据处理”，数据处理=“优”有98条，其中79条实验报告质量优，19条质量一般；数据处理=“一般”有262条，其中33条实验报告质量优，229条质量一般；

最终公式⑤计算：

（4）属性“反馈完善”，反馈完善 =“优”有 117条，其中75条实验报告质量优，42条质量一般；反馈完善=“一般”有243条，其中37条实验报告质量优，206条质量一般；

（3）属性“讨论总结”，讨论总结=“优”有93条，其中85条实验报告质量优，8条质量一般；讨论总结=“一般”有267条，其中27条实验报告质量优，240条质量一般.

3.4 构造决策树

由上面计算出的每个关键因素信息增益率的值，来确定决策树的根结点，生成决策树，再对决策树进行剪枝.剪枝采用自下而上的方式，最后生成一棵实验报告质量决策树.用括号表示实验报告质量决策树为：（讨论总结（数据处理（质量优，反馈完善（质量优，质量一般）），数据处理（反馈完善（质量优，格式内容（质量优，质量一般）），反馈完善（格式内容（质量优，质量一般），质量一般））.

3.5 分类规则

IF讨论总结=“优”AND数据处理=“优”THEN实验报告质量=“优”；IF讨论总结=“优”AND数据处理=“一般”AND反馈完善=“优”THEN实验报告质量=“优”；IF讨论总结=“优”AND数据处理=“一般”AND反馈完善=“一般”THEN实验报告质量=“一般”；IF讨论总结=“一般”AND数据处理=“优”AND反馈完善=“优”THEN实验报告质量=“优”；IF讨论总结=“一般”AND数据处理=“优”AND反馈完善=“一般”AND格式内容=“优”THEN实验报告质量=“优”；IF讨论总结=“一般”AND数据处理=“优”AND反馈完善=“一般”AND格式内容=“一般”THEN实验报告质量=“一般”；IF 讨论总结 =“一般”AND 数据处理 =“一般”AND反馈完善=“优”AND格式内容=“优”THEN实验报告质量=“优”；IF 讨论总结 =“一般”AND 数据处理 =“一般”AND 反馈完善=“优”AND格式内容=“一般”THEN实验报告质量=“一般”；IF 讨论总结 =“一般”AND 数据处理 =“一般”AND反馈完善=“一般”THEN实验报告质量=“一般”.

4 改善方法

由以上规则可以看出，我校医用物理学实验报告的质量主要受到格式内容、数据处理、讨论总结、反馈完善四个因素的影响，其中，影响力由大到小依次是讨论总结，数据处理，反馈完善和格式内容.所以要提高实验报告的质量，可以要求学生把实验报告分为三个部分书写：（1）课前部分，上课前学生应该认真预习实验内容，用自己的语言把实验的目的、原理、步骤等简明扼要的写在实验报告上，杜绝照抄课本，有不明白的地方应在实验报告上做好标记.（2）课堂部分，学生做实验的过程中需把实验得到的原始数据记录在实验报告上，并完善实验报告课前部分的内容.（3）课后部分，实验课结束后，学生应处理实验原始数据得到实验结果，并对实验结果进行分析讨论，讨论包括对实验的理解，实验中遇到各种问题的解决方法，实验数据的偏差处理，对整个实验的总结等.教师批改完实验报告反馈给学生，学生要对实验报告中的不足和错误及时进行完善和修改.