钟 敏

(武汉工程职业技术学院 湖北 武汉：430080)

随着信息技术的发展，各高校以数据库为核心，搭建起来各种管理应用平台，经过多年的运行，积累了大量的数据。然而很多时候，这些数据的利用率并不高，对这些数据的应用还是停留在当初系统设计阶段，如何提取并运用这些大数据是当前研究的一个热门方向。近年来，人工智能涉及领域不断扩展，其中的机器学习也受到越来越多人的关注。在大数据背景下，机器学习能捕获数据并从中获取有价值的信息或模式，进而能揭示数据背后隐藏的真实的意义。如果将用机器学习获取到的这些知识应用到高校信息系统中，那么原有的系统将会变得更加“聪明”，帮助我们做出更好的决策或发现更多的问题，从而提升办学质量。为此，将机器学习中的经典算法——决策树算法应用到现行教师工作量平台上，发现数据潜在信息和规则，找到影响教学质量的关键因素，从而提高教学管理水平。

1 决策树算法

决策树(Decision tree)是一种基本的分类与回归方法。它是一种树形结构，其中的内部结点表示测试数据集中的特征或属性，叶子结点则为一个决策结果。用决策树处理分类问题时，其过程是用特征或属性对数据集进行分类，结果既可以看成归纳出的一组分类规则，也可以认为是估算的条件概率模型。决策树算法通常包括3个步骤：特征选择、决策树的生成和决策树的修剪，其中，决策树的生成是重点。……