邵文昭 张书强 王晓辉 张文新

(邯郸职业技术学院 电子信息工程系，河北 邯郸 056005)

一、引言

高职院校的学生来自多种录取类别。其中，计算机类的生源主要包含普招—理工、普招—文史、对口—计算机、单招等。对于大数据技术与应用专业来说，由于其本身的学科特点，最主要的生源来自于普招—理工（以下简称普招）和对口—计算机（以下简称对口）两种类别。在教学实践中，我们发现，这两类学生入学之后的课程学习表现有所不同。我们猜测，这种不同可能源于这两类学生在学习经历、成长经历、课程基础等方面的差别。

为了更深入地发现录取类别和课程学习表现之间的内在联系，我们使用数据统计和机器学习的方法建立了根据课程学习表现反推出学生录取类别的分类模型。为了给分类模型提供训练数据和测试数据，我们使用pandas数据统计工具对邯郸职业技术学院大数据技术与应用专业2019级部分学生的录取数据和成绩表格进行了整理，并建立了数据集。我们的分类器以各科学习成绩为特征，以录取类别为类标。

我们建立分类器是为了发现不同类别的学生在课程学习表现上的差异，而不是为了计算出学生的录取类别。因此，我们使用了可解释性很强的CART决策树模型[1]。我们使用5折交叉验证的方法测试了模型在不同深度、不同特征选择准则（包括信息增益率和基尼系数）下的分类正确率。实验结果表明，6层深、使用信息增益率作为特征选择准则的模型具有最高的验证正确率。……