金诗谱

(安徽城市管理职业学院 实验实训中心，合肥 230001)

近几十年，数据挖掘应用在国内很多领域都有了较大的发展，唯独高等教育领域的应用还不够多，不够深入[1].当前大多数教育从业者应用意识不强，从而白白浪费了能带来巨大效益的数据资源.

1 决策树及C5.0算法

1.1 决策树

决策树(Decision Tree)是指在各种事物和状况的发生几率已经知晓的情况下，通过构建决策树来准确计算净现值的一个概率，进而对系统的风险进行评估，准确预估各种情况可行性的一种方法[2].该模型主要起预测作用.

1.2 C5.0算法

C5.0的工作原理是根据所提供的最大信息增益的字段来分割样本[3].该算法依据各不相同的字段对子样本进行进一步分割，该过程持续循环，直至无法分割为止[4].其算法伪码如下：输入:J={(x1,y1),…(xm,ym)…,(xn,yn)},xm∈X,ym∈Y;训练轮数为I；初始化分发权值向量:

for i=1,…,I:

(1)采用分发权值向量 Di训练基分类器hi=R(x,y,Di)；R为弱分类算法[5];

(2)错误率计算:e=∑(hi(xm)≠ym)Dm

(3)if e≥0.15,break;

(4)基分类器权值计算hi:wi∈w;

(5)权值更新:Di+1(m)=Di(m)×F(e)

(6)将多个基分类器进行联合,输出最后的分类器[6].

其中:xm∈X,ym∈Y,xm代表由相关数据属性构建的向量,ym则代表数据的类别;Di通常叫做数据分发权值向量，wi表示分类器权值，F(x)又被称做更新函数[7].

2 基于属性相关性分析方法的建模过程

采用基于属性相关性分析的决策树构建技术VA-C5.0，在数据的预处理阶段，对数据属性进行相应的分析，根据结果过滤部分属性，同时结合算法来构建决策树，最后通过对比，从精度和时间效率上验证我们改进方法的优越性.数据挖掘流程……