文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 关联规则算法在学生成绩分析中的应用
侵权投诉

关联规则算法在学生成绩分析中的应用

分析研究了关联规则算法,重点是Apriori算法,将关联规则算法运用到学校学生成绩的分析中,找到课程之间的关联关系,为学校教学管理和学生的自我学习提供帮助。

9 6

ECAG F×EI C经交 XHNE PR N E验流 OE E

关联规则算法在学生成绩分析中的应用 李杰 (西安石油大学计算机学院陕西西安

7 6 1 0 5) 0

摘要:分析研究了关联规则算法,重. _pir& ̄A r i o算法,将关联规则算法运用到学校学生成绩的分析中,找到课程之间的关联关系,为学校教学管理和学生的自我学习提供帮助。 所有非空子集均是频繁的。②一个非频繁项集的任~超集必定是非频繁项集。 2 . 3关联规则算法在学生成绩分析中的应用 (第一次迭代,求 1项集,每项都是候选 1项集# C 1)一一 9的成员。算法比较简单,只要对每项出现的次数进行计数即可。 (设最小支持数为2mi s p 29 2) . n u=/,可以确定频繁 1项—一 集L

1引言 随着计算机技术和 Itre技术的迅速发展,数据资源日益 nen t丰富。在学校的教学成绩管理系统中,己经积累了大量的学生成绩数据。这些数据只是堆积在系统中,没有得到有效利用, 教师和学生都只能通过简单的统计或排序等方法获得数据表面的信息。

2数据挖掘中的关联规则 数据挖掘技术就是为了解决这个问题而产生的。它是且前信息领域和数据库技术的前沿研究课题。数据挖掘 ( a言 D t Miig nn,DM ),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、 潜在有用的信息和知识的过程。 数据挖掘受到当今人工智能与数据库界的广泛关注。其中关联规则 ( s c t n R l挖掘是数据挖掘的一个重要 As o i i ue) ao分支,也是近几年 K界研究的一个重要课题。关联规则挖掘 DD ( s o iinR l Mii是发现大量数据中项集之间有趣的 A s c t ue nn ao g)关联或相关联系。关联规则挖掘是数据挖掘研究的一个重要分支,关联规则是数据挖掘的众多知识类型中最为典型的一种。 2】关联规则的概述 I - ]

3了找到频繁2集,我们要连接 L L,产生候选2项为一 ,一集,并扫描数据库,C中每个成员计数, ( tc中支持数小于 2 4) B,的成

员删去,得到频繁2项集L一, (连接 L ̄, 5) 2 L,产生“< A,B,C,{ B} A,,E,{ ,) A, C,E,{,C ) B,D,(,C ) B} B,E,{,D,E} ),注意由A r r pi i o的性质,所有频繁项集的子集都是频繁的,所以删去其中4,产项生候选3项集C,扫描数据库,对C中每个成员计数,一 3 3 ( 6)由于 C中每个成员的支持数均不小于2因此C既是 , 频繁3项集。一

(连接 L b产生( 7) A,B,C,E F于它的子集f,C,} h B E不是频繁的,所以C= ) ,算法结束。 (产生关联规则。 8) 由公式c n ien e( o fd c X=> Y)= s p o t( Y)/s p ot u p r XU up r ( X)得: C fd c ( A>{ C})=2 6 3%:C fd c On ien e{ B/=3 On i en e ( B}{ ->{ A C})=2 7=2/ 9%;C n i e e ((:>{ B}) O fd nc C) A 2 6=33%;C/ Onfden e ( A B} i c{ ->f C})=2 4=50%:/ C n e c ( A C=> B ) 2 4 5%;C n i e c ( B O f n e{}{}=/= 0 d O f n e{ d C . f)=/= 0}> A ) 24 5% c nie c{ )> B E ) 26 3%: o f n e(A={ )=/= 3 d c n ie c{=> A E o fd n e( B}{ }]=/ 2%;c n ie c f )>{ 27= 9 o f n e( E: A d B )=/= 0;c n ie c ( )> E ) 2 4 5%:} 22 1% 0 o f n e( A B _{ )=/= 0 d C fde c ( A E=>{ )=2 2 %;C n ie c ( B On i n e ( ) B)/=1 0O O fd n e{ E= A} 22 0%。 )>{ )=/=1 O =

关联规则挖掘时研究“么与什么相伴”,这些方法又称什为购物篮分析。 设I为一个由m个项目组成的集合 I,i,i) _,… ,称 I为项

目集(e e) i ms t,则交易T t为由I的项组成的I集,即T I中的子 C。与 _集合的定义一样,交易中同样不存在重复的元素。 记D为交易(a scin的集合,其中每

个交易以一个交易 t n at ) r oT 标识号表示在其数据库中的唯一性,记为TD。设× I是一个I中项的集合,如果×,那么称交易T含X g包。 一

个关联规则是形如 X= Y蕴涵式,这里 X,Y,>的 I I

并且 XnY,中 X示前提或前件,Y示结果或后件。=其表表 每个规则也有两个度量标准:支持度 ( U p 及置信度 S p ot) r ( o f e c。规则支持度的定义为:设有关联规 ̄ X>, c ni n e) d l= Y j s p ot(> u p r×= Y)= u p t( UY)=P( UY) s p or X X 规则置信度定义为: c nie c× Y)= s p ot( U/s p ot( o f n e(=> d u p r X Y) u p r×)=P

若设最小置信度阈值为 7%,则只有第9 1、 1个规则 0、 1 2可以输出,产生强规则。可以这样描述结果:A、 B - f课、E - 1程之间联系比较紧密,课程 E及格 A B程不及格的几率比不、课较大。因此如果课程 E不及格应加强课程 A、B的学习。

3结语 数据挖掘作为一种新兴的数据分析技术,其研究取得了 令人瞩目的成就,己经成功地应用到了许多领域。目前,在教育领域的成功实例还不是很多出现,而在教育信息化的大趋势下,数据挖掘技术应用于教育领域内的数据分析,对改变学生学习的盲目性有很大帮助,也给学校在课程设置、教学重点提供参考依据,更好地指导教学工作。 瀚 参考文献 []R rwaT.mil si S mi MiigAs cain Rue 1 Aga l L ei k, wa . nn s it ls, n A. o o B t e eso tmsi ag tb ss reJ M a ae n f ewe n S t fIe nL reDaa ae. o{ P】 n g me to D aa 1 9: 0—2 6 t .9 3 2 7 1 .

( X) YI 支持度是指在交易数据库中同时包含X和Y交易数占所有的交易数的百分比。置信度是指同时包含X和Y的交易数与包含 X 的交易数之比。关联规则的支持度反映了该规则的频度,而它的 可信度则表明了整个规则的正确度。 2 pir法 .A r i 2 o算关联规

则的算法很多,但最经典的算法还是Aga l wa和 r S i n于 1 9年提出的A r r rat 9 3 k pi i。它是一种宽度优先的多趟 o算法扫描算法,其基本思想是:第一次扫描数据库,计算出所有1 一项集的支持度计数,然后产生频繁 1项集 (有支持度大于等一所于最小支持度的1项集 )L,由L产生所有的候选2项集C,一 1一, 重新扫描数据库,进而得到频繁2项集 L,即第k扫描数据库一,次产生频繁k项集L首先通过 L一中的项目集连接操作生成候一 k( k1选 k项集 C,再利用剪枝操作删除 C中项集子集为非频繁项集一 k k的项集,重新扫描数据库,从而得到 L ),直到无频繁项集产生为止,最后的频繁项集的集合为U L。 A r r法利用了两个基本性质:即①由频繁项集产生的 pi i o算

【】R . r wa, . rk n a tA1 o ih 2 Ag a lR S i a tF g rt m f r M i i S o n ng Aso ito RueU]P o e d n so h 0h Vey L re Daa s cai n ls .r c e i g ft e2 t r ag t Bae, 9 4 4 7 9 . s s1 9:8—4 9

【] i i n M i eie a e数据挖掘概念与技术【 .明, 3 Ja Ha, c l K mbr we h n M】范

孟小峰, .机械工业出版社, 0 .等译北京: 2 7 0

信息系统工程 I2 1 0 0 05 2

关联规则算法在学生成绩分析中的应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email