（計算機軟件與理論專業(yè)論文）基于數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究.pdf

基于教據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 摘要 教學評價是一個復雜的過程，它依據(jù)一定的教學目標和規(guī)范，對學校教學情 況進行系統(tǒng)檢測和考核，評定教學效果和教學目標的實現(xiàn)程度，并做出相應(yīng)的價 值判斷。教學評價過程具有復雜性、多因素性和模糊性等特點，屬于半結(jié)構(gòu)化或 非結(jié)構(gòu)化問題，許多不確定因素難以科學地計算和評估，是一項主觀性很強的工 作評價結(jié)果可能偏離被評估對象的實際情況因此，提高教學評價的科學性、 客觀性和準確性，是現(xiàn)代教學評價研究中一個十分重要的課題 本文首先根據(jù)課堂教學質(zhì)量評價系統(tǒng)及其數(shù)據(jù)特點，設(shè)計數(shù)據(jù)挖掘模式，選 擇基于約束的關(guān)聯(lián)規(guī)則挖掘算法，對教學評價體系的科學性、學生差異和課程差 異對評價結(jié)果的影響等進行驗證性研究，以此來評估評價結(jié)果的客觀準確性；再 將驗證后的數(shù)據(jù)作為訓練樣本，應(yīng)用決策樹算法，生成根據(jù)教師基本信息預測教 學效果的分類模型 元規(guī)則設(shè)計基于。教學評價結(jié)果受到與教學無關(guān)的因素影響”的假設(shè)，挖 掘過程經(jīng)過數(shù)值離散化方式、置信度和支持度閥值調(diào)整等對比優(yōu)化，排除或肯定 各屬性與評價結(jié)果之間的關(guān)聯(lián)關(guān)系，從而驗證假想的影響是否存在和存在的程 度，為數(shù)據(jù)及結(jié)論的可信度、可用性提供依據(jù)。 決策樹挖掘的樣本集來自驗證后的數(shù)據(jù)，經(jīng)過優(yōu)化預處理，生成一個以“教 師+ 課程+ 班級”為關(guān)鍵字、包括教師和課程基本信息的二維表采用1 1 ) 3 算法 構(gòu)造決策樹，并應(yīng)用相對支持度剪技技術(shù)和簡化的悲觀錯誤剪枝算法進行剪技， 獲得若干符合錯分率要求的決策規(guī)劃，即預測模型。將教師基本信息輸入預測模 型，可得到該教師的教學質(zhì)量分類，這將有助于提高教學管理的科學性，為學校 在師資隊伍建設(shè)方面提供決策支持 關(guān)鍵詞：數(shù)據(jù)挖掘約束關(guān)聯(lián)挖掘決策樹教學評價 基f 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 ar e s e a r c ho nt e a c h i n ge v a l u a t i o ns y s t e mb a s e do n d a t am i n i n gt e c h n o l o g y a b s t r a c t t e a c h i n ge v a l u a t i o ni sac o m p l e xp r o c e s s a c c o r d i n gt oc e r t a i nt e a c h i n gg o a l s a n ds t a n d a r d s i tc a r r i e so u ts y s t e m a t i cd e t e c t i o na n da c c e t ot h et e a c h i n g t a k e a s s e s s m e l v t ot h ei m p l e m e n t a t i o nd e g r e eo ft e a c h i n ge f f e c ta n dg o a l s , a n dm a k e c o r r e s p o n d i n 8 v a l u ej u d g e m e n lt h e t e a c h i n g e v a l u a t i o n p r o c e s s h a st h e c h a r a c t e r i s t i c ss u c ha sc o m p l e x i t y , m u l t i - f a c t o ra n df u z z i n e s s , a n di ti sak i n do ft h e s e m i - s t r u c t u r e do rn o rs t r u c t u r e dp r o b l e m , i nw h i c hp l e n t yo fn o n d e t e r m i n i g k f a c t o r s b e 吣h a r dt o b ec a l c u l a t e da n de v a l u a t e d s c i c m i f i c a l l y s o i tj sa s t r o n g - s u b j e c t i v ej o b ，a n di t sr e s u km a ya l s od e v i m et h ea c t u a lc i r c u m s t a n c eo ft h e e v a l u a t e do b j e c t t h e r e f o r e ，t oi m p r o v et h es c i e n t i f i c i t y , a c c u r a c ya n do b j e c t i v i t yo f t h ea s s e s s m c n li sav e r yi m p o r t a mp r o g r a mi nm o d e r nt e a c h i n ge v a l u a t i o nr e s e a r c h f i r s t ，a c c o r d i n gt ot h es y s t e mo fc l a s s r o o mt e a c h i l l gq u a l i t ya s s e s s m e n ta n di t s d a t ac h a r a c t e r i s t i c s ，t h i sp a p e rh a sd e s i g n e daa d a p t i v ed a t am i l l i n gp a t t e r na n du s e d t h ea l g o r i t h mf o rm i n i n ga s s o c i a t i o nr u l e sb a s e do i lr e s t r a i n tt o c a r r i e so u ta e o n f i r m a t i o nr e s e a r c h , w h i c hs t u d yt h ei n f l u e n c et 0e v a l u a t i o nr e s u l t b yc o u r s e d i s c r e p a n c y , s t u d e n td i s c r e p a n c ya n dt h es e i e n t i f i c i t yo f t e a c h i n ga s s e s s m a u ts y s t e m , a n dt oe v a l u a t et h eo b j e c t i v ea c c u r a c yo f e v a l u a t i o nr e s u l t ；t h e n , w eu s et h ev a l i d a t e d d a t aa st r a i n i n gs a m p l e st 0c r e a t eac l a s s i f i c a t i o nm o d e lt h a ta c c o r d i n gt ot e a c h e r b a s i ci n f o r m a t i o nf o r e c a s tt e a c h i n ge f f e c tb ya p p l y i n gt h ed e c i s i o nt r e ea l g o r i t h m m e t ar e g u l a rd e s i g n i n gi sb a s e do nh y p o t h e s i st h a tt e a c h i n ge v a l u a t i o nr e s u l ti s i n f l u e n c e d b yf a c t o r , w h i c hi si r r e l e v a n t i ot e a c h i n g m 證訪gp r o c e s si sv a l u eo f d i s c r e t e ，o p t i m i z a t i o no f c o n t r a s tt oe o n f i d e a c ea n ds u p p o r tt h r e s h o l da d j u s t m e n t , a n d r e m o v eo ra m r mt h a tt h ea s s o c i a t i o nr e h t i o nb e t w e e ne a c hp r o p e r t ya n dr e s u l t a n t a p p r a i s e m e n t t h e r l nw i l lv e r i 毋w h e t h e rh y p o t h e s i si n f l u e a c ee x i s t e n c eo rn o ta n d t t 基于教據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 t h ed e g r e eo fi n f l u e n c e ，o f f e r i n gt h e 砌i c n c e sf o rd a t aa n dc o n c l u s i o no fa v a i l a b i l i t y u s ea n dt h ec o n f i d e n c e t h r o u g ho p t i m i z i n gp r e t r e a t n t n t ，t h es a m p l e s e to fd e c i s i o nt r e e sm i n i n g g e n e r a t e df r o mt h ev e r i f i e dd a t a , i sat w o - d i a g n s i o nt a b l ew h o k e y w o r di s “t e a c h e r + c o t l r + c l a s s 。，i n c l u d i n gt e 目a n d u r g e li n f o r m a t i o n t h ea u t h o r a d o p ti d 3a l g o r i t h mt oc r e a t ed e c i s i o nt r e ea n du s et h er e l a t i v es u p p o r tp r u n j l l g t e c h n i q u eo fi m p r o v e m e n ta n ds i m p n e dp c 蚓址i s c i cn l i 血a k ep n m 咄a l g o r i t h mt o 珥咖恤gh a n d l e 1 h m w cg e ts o l n ed e c i s i o nr u l e s t or a t eo fw r o n gr e q u i r e m e n t , n a n l yp r e d i c t i o nm o d e l - i n p u t t i n g “目c h 。rb a s i ci n f o r m a t i o nt op r e d i c t i o nm o d e lw e m a yg e tt h et c i i i l 1 9 刪時f o r e c a s tc l a s s i f i c a t i o no f t h et e a c h e r i tw i l lb et t t p f u tf o r b a h m i n st e a c h e r s “：5 0 u mi na r r a n g e m e n tt e a c h i n gt a s kf t a t h ai m p r o v i n gt e a c h i n g q u a l i t y k 何w o r t h ：d a t am i n i n g ，t e m a i n ta s s o c i a t i o nr u l e ，d e c i s i o nt r e e t e a c h i n ge l c a l u a t i o n t l i 華南師范大學學位論文原創(chuàng)性聲明 立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論 文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文 的研究做出重要貢獻的個人和集體，均已在文中以明確的方式標明。 本人完全意識到本聲明的法律結(jié)果由本人承擔。 j 論文作者躲鼎斬 e t 期：溈降6b 日 學位論文使用授權(quán)聲明 本人完全了解華南師范大學有關(guān)收集、保留和使用學位論文的規(guī) 定，即：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬華南師 范大學。學校有權(quán)保留并向國家主管部門或其指定機構(gòu)送交論文的電 子版和紙質(zhì)版，允許學位論文被檢索、查閱和借閱。學?？梢怨紝W 位論文的全部或部分內(nèi)容，可以允許采用影印、縮印、數(shù)字化或其他 復制手段保存、匯編學位論文。( 保密的論文在解密后遵守此規(guī)定) 保密論文注釋：本學位論文屬于保密范圍，在后解密適用 本授權(quán)書。非保密論文注釋：本學位論文不屬于保密范圍，適用本授權(quán) 機：嬲輪豁論文作者簽名：j 甲6 。fe 日期：唧年爿f 日 導師簽名：骺旌 日期：0 7 年勿月 基f 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 第1 章概述 1 1 論文背景 隨著高校信息化的逐步深入，傳統(tǒng)的高校教學、科研與管理模式已經(jīng)不能滿 足新時期下高等學校深層次建設(shè)與發(fā)展的需要，高校運行與管理體制需要變革 推動這種變革的動因，一是高校信息化建設(shè)產(chǎn)生的教學、科研模式的變革；二是 以信息技術(shù)為手段的校務(wù)管理機制與手段的變革正基于此，一場以。數(shù)字化校 園( d i g i t a l c a m p u s ) ”建設(shè)為突破口的高校教學及管理改革，正如火如荼地在全國 范圍各高校迅猛發(fā)展。 在國內(nèi)高校中。計算機技術(shù)應(yīng)用于教學管理始于上世紀如年代，已有2 0 多年歷史很長一段時問以來，由于各個部門的管理系統(tǒng)處于分布、獨立運行狀 態(tài)，發(fā)展較慢。數(shù)字化校園的建設(shè)，使得備高校進入了網(wǎng)上辦公、網(wǎng)上教學管理 的新時代，原來孤立存儲在部門管理系統(tǒng)中、格式不一的大量數(shù)據(jù)得以統(tǒng)一，同 時，管理方式的變革使得信息系統(tǒng)中的數(shù)據(jù)置快速增長面對巨大的數(shù)據(jù)資源， 如何利用它為教學管理服務(wù)，成為各高校關(guān)注的問題。 過去，由于缺乏發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的知識的手段，無法發(fā)現(xiàn)數(shù)據(jù)中存在的 規(guī)律和內(nèi)在聯(lián)系，導致“數(shù)據(jù)爆炸但知識貧乏”，大量數(shù)據(jù)無法商效地為未來工 作服務(wù)上世紀9 0 年代，數(shù)據(jù)挖掘技術(shù)突飛猛進的發(fā)展，為克服傳統(tǒng)的數(shù)據(jù)庫 管理和決策支持存在的問題提供了技術(shù)上的支持 數(shù)據(jù)挖掘嘲( d a t am i n m g , d m ) ，又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)( i w l c d g c d i 嗍i n d 砒a b b s e k d d ) ，是一個從大量數(shù)據(jù)中抽取、挖掘出來知的、有價值 的模式或規(guī)律等知識的復雜過程作為一個新興的多學科交叉應(yīng)用領(lǐng)域( 包括數(shù) 據(jù)庫系統(tǒng)、人工智能、統(tǒng)計學、機器學習、信息科學等) ，數(shù)據(jù)挖掘在各行各業(yè) 的決策支持活動中扮演著越來越重要的角色，如金融、零售等行業(yè)，但在教育領(lǐng) 域的應(yīng)用還沒有引起人們廣泛的關(guān)注。 利用數(shù)據(jù)挖掘技術(shù)為高校的教學管理與決策服務(wù)，是當今高校教學及管理改 革的重要基礎(chǔ)。本論文以高校的課堂教學質(zhì)量評價系統(tǒng)為突破，利用數(shù)據(jù)挖掘技 術(shù)中的關(guān)聯(lián)規(guī)則算法，試圖揭示數(shù)據(jù)中存在的相互關(guān)系，并用決策樹算法生成教 基于數(shù)據(jù)挖掘i 童術(shù)的教學評價系統(tǒng)研究 學質(zhì)量預測模型，為學校的教學管理和決策提供參考。 1 2 研究意義 課堂教學質(zhì)量評價是學校讓師生參與教學管理監(jiān)督的一種手段，旨在提高師 生對學校的責任感、保障教學質(zhì)量。教學評價的實施過程是：由教學研究專家設(shè) 計評價體系，管理部門在課程結(jié)束后，組織學生按照評價體系的要求，從教學態(tài) 度，教學內(nèi)容、教學方法、教學效果等方面給予任課教師評分。對學生評價最好 和最差的教師，學校將派督導專家進一步確認，并按制度給與獎勵和處罰。 教學質(zhì)量評價1 4 1 i 具有復雜性、多因素性和模糊性等特點，是一類帶有大量 不確定因素的半結(jié)構(gòu)化問題或非結(jié)構(gòu)化問題，許多因素難以科學地計算和評估， 因此是一項主觀性很強的工作，其結(jié)果可能偏離被評估對象的實際情況。因此， 如何客觀、科學、全面地對教學質(zhì)量進行評價，以提高教學評價的科學性、客觀 性和準確性，是現(xiàn)代教學評價研究中一個非常重要的課題，它對于提高教師的業(yè) 務(wù)水平和教學效果，提高人才培養(yǎng)質(zhì)量，促進教育事業(yè)的發(fā)展具有理論意義和實 際應(yīng)用價值。 正確、合理地利用教學評價結(jié)果，使其能夠?qū)崿F(xiàn)原始設(shè)計目標，達到督促教 師端t f 教學態(tài)度、改進教學方法、提高課黿教學質(zhì)量的目的，首先要保障教學評 價體系設(shè)計的科學性，評價過程公平合理，否則，教學評價也可能岡打擊教師的 積極性而產(chǎn)生適得其反的效果。所以驗證并完善評價體系是一個重要的過程 本文透過基于約束的關(guān)聯(lián)規(guī)則挖掘，考察評價結(jié)果是否受到與教學質(zhì)量無關(guān) 的因素影響，對教學評價體系的科學性、學生差異的影響和課程差異的影響進行 驗證性研究，以此來評估評價結(jié)果的客觀和公正性，并為評價數(shù)據(jù)的可用度提供 依據(jù)。 驗證后的教學質(zhì)量評價數(shù)據(jù)應(yīng)用決策樹挖掘，可從數(shù)據(jù)中發(fā)現(xiàn)教師的基本信 息( 如學歷、職稱) 對課堂教學質(zhì)量的影響，并生成預測模型。根據(jù)教師基本信 息預測教師的教學效果，有助于在安排教學任務(wù)時均衡師資力量，進一步掌握、 提高教學質(zhì)量。 摹r 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 1 3 研究的基本內(nèi)容和重點 1 3 1 基本內(nèi)容 本文研究的內(nèi)容分為兩部分?；诩s束的關(guān)聯(lián)規(guī)則挖掘和決策樹挖掘。 1 基于約束的關(guān)聯(lián)規(guī)則挖掘 構(gòu)建一個多維數(shù)據(jù)空間，包含教師縟分細節(jié)( 1 1 項考核指標的具體得分) 、 課程基本情況、學生成績、教師基本信息和學生學籍瓷料等數(shù)據(jù)字典根據(jù)各種 假設(shè)設(shè)計若干元模式，在該數(shù)據(jù)空間進行元規(guī)則指導下的關(guān)聯(lián)挖掘，通過置信度 和支持度篩選，獲取屬性之間存在的強規(guī)則集規(guī)則表示如：( 關(guān)聯(lián)規(guī)則的序號。 關(guān)聯(lián)規(guī)則前件，關(guān)聯(lián)規(guī)則后件，可信度) 通過對結(jié)果分析得出類似下面的結(jié)論： 學生在給教師的評價中哪些指標是客觀的、與學生自身情況無關(guān)的；哪些指標是 與學生本身的因素關(guān)系較大的( 不客觀的) 元模式的設(shè)計基于“教學評價結(jié)果受到各種與教學質(zhì)量無關(guān)的因素的影響” 的假設(shè)。在將這種模糊假設(shè)模式化時，具體歸結(jié)為對“評價體系的科學性、管理 過程的科學性，學生差異對評價的影響、課程差異對評價的影響”等四個方面的 驗證。應(yīng)用關(guān)聯(lián)挖掘，排除或肯定各屬性與評價結(jié)果之間的關(guān)聯(lián)關(guān)系，從而驗證 假設(shè)的影響是否存在或存在的程度為數(shù)據(jù)及結(jié)論的可信度、可用性提供依據(jù) 教學管理部門可據(jù)此對評價體系進行調(diào)整，以便更客觀地評價教師的課堂教學效 果。 2 預測模型 決策樹挖掘的樣本集來自驗證后的數(shù)據(jù)，經(jīng)過預處理生成一個以“教師+ 課 程+ 班級”為關(guān)鍵字、包括性別、學歷、年齡、職稱、課程、班級名、學生人數(shù)、 得分等字段的二維表。應(yīng)用q u i n l a n 設(shè)計的i d 3 算法從訓練樣本集構(gòu)造決鐿樹， 然后進行前、后剪枝處理，獲得若干個符合錯分率要求的決策規(guī)則，即預測模型 將教師的基本信息輸入預鍘模型，可得到該教師的教學質(zhì)量預測結(jié)果 1 3 2 研究重點 本文研究重點主要有如下三個方面： 1 數(shù)據(jù)挖掘模式設(shè)計 摹1 ：數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 ( 1 ) 根據(jù)教學評價系統(tǒng)及其數(shù)據(jù)的特點，針對不同挖掘算法設(shè)計數(shù)據(jù)處理 方法。 ( 2 ) 算法選擇。 ( 3 ) 關(guān)聯(lián)挖掘中元規(guī)則設(shè)計 ( 4 ) 挖掘過程優(yōu)化。通過對比不同離散化方式，在不同支持度和胃信度閥 值下，對關(guān)聯(lián)挖掘結(jié)果進行優(yōu)化。 2 算法改進 根據(jù)樣本集的特點，對常用的決策樹剪技算法進行改進，提出以“相對支持 度”作為剪支參數(shù)，并應(yīng)用該方法獲得了生長比較理想的決策樹和預測模型。 3 結(jié)果分析 通過對數(shù)據(jù)挖掘結(jié)果的分析研究，總結(jié)現(xiàn)行課堂教學質(zhì)量評價系統(tǒng)存在的問 題，提出改進的建議。 基r 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 第2 章數(shù)據(jù)挖掘相關(guān)技術(shù) 2 1 數(shù)據(jù)挖掘的定義 數(shù)據(jù)挖掘嗍( 叫d a t am i n i n g ) 就是從大量的、不完全的、有噪聲的、模糊 的、隨機的數(shù)據(jù)中，提取隱含在其中的人們事先不知道的、但又是潛在有用的 信息和知識的過程。還有很多和這一術(shù)語相近似的術(shù)語，如從數(shù)據(jù)庫中發(fā)現(xiàn)知識 ( k d d ) 、數(shù)據(jù)分析，知識抽取、模式分析、數(shù)據(jù)考古，數(shù)據(jù)采集、信息收割、商 業(yè)智能、數(shù)據(jù)融合以及決策支持等人們把原始數(shù)據(jù)看作是彤成知識的源泉。就 像從礦石中采礦一樣原始數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)，也可 以是半結(jié)構(gòu)化的。如文本、圖形、圖像數(shù)據(jù)，甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù) 發(fā)現(xiàn)知識的方法可以是數(shù)學的，也可以是非數(shù)學的；可以是演繹的，也可以是歸納 的發(fā)現(xiàn)了的知識可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等，還 可以用于數(shù)據(jù)自身的維護。因此，數(shù)據(jù)挖掘是一門廣義的交叉學科，它匯聚了不同 領(lǐng)域的研究者，尤其是數(shù)據(jù)庫、人工智能，數(shù)理統(tǒng)計，可視化、并行計算等方面 的學者和工程技術(shù)人員 數(shù)據(jù)挖掘技術(shù)從一開始就是面向應(yīng)用的，它不僅是面向特定數(shù)據(jù)庫的簡單檢 索查詢調(diào)用，而且要對這些數(shù)據(jù)進行微觀、中觀乃至宏觀的統(tǒng)計、分析、綜合和 推理，以指導實際問題的求解，企圖發(fā)現(xiàn)事件問的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù) 對未來的活動進行預測。例如加拿大b c 省電話公司要求加拿大s i m o n f r a s e r 大 學k d d 研究組，根據(jù)其擁有十多年的客戶數(shù)據(jù)，總結(jié)、分析并提出新的電話收費和 管理辦法，制定既有利于公司又有利于客戶的優(yōu)惠政策美國著名國家籃球隊 n b a 的教練，利用某公司提供的數(shù)據(jù)挖掘技術(shù)臨場決定替換隊員，一度在數(shù)據(jù)庫 界被傳為佳話這樣一來。就把人們對數(shù)據(jù)的應(yīng)用，從低層次的末端查詢操作，提 高到為各級經(jīng)營決策者提供決策支持這種需求驅(qū)動力，比數(shù)據(jù)庫查詢更為強大 同時需要指出的是，這里所說的知識發(fā)現(xiàn)，不是要求發(fā)現(xiàn)放之四海而皆準的真理， 也不是受去發(fā)現(xiàn)嶄新的自然科學定理和純數(shù)學公式，更不是什么機器定理證明。 所有發(fā)現(xiàn)的知識都是相對的，是有特定前提和約束條件、面向特定領(lǐng)域的，同時還 要能夠易于被用戶理解最好能用自然語言表達發(fā)現(xiàn)結(jié)果最近，有就不少數(shù)據(jù)挖 5 璉?。荷鈸?jù)挖掘技術(shù)的教學評價系統(tǒng)研究 掘產(chǎn)品用來篩選i n t e r n e t 上的新聞，保護用戶不受無聊電子郵件的干擾和商業(yè) 推銷。 2 2 數(shù)據(jù)挖掘分類 數(shù)據(jù)挖掘系統(tǒng)利用的技術(shù)越多，褥出的結(jié)果精確性就越高。這主要取決于問 題的類型以及數(shù)據(jù)的類型和規(guī)模。 數(shù)據(jù)挖掘涉及許多學科領(lǐng)域，有多種分類方法i ”n 。根據(jù)挖掘任務(wù)，可分為 分類或預測模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、聚類，關(guān)聯(lián)規(guī)則發(fā)現(xiàn)，序列模式發(fā)現(xiàn)、依賴關(guān) 系或依賴模型發(fā)現(xiàn)、異常和趨勢發(fā)現(xiàn)等根據(jù)挖掘?qū)ο蠓?，有關(guān)系數(shù)據(jù)庫、面向 對象數(shù)據(jù)庫、空間數(shù)據(jù)庫、時態(tài)數(shù)據(jù)庫、文本數(shù)據(jù)庫、多媒體數(shù)據(jù)庫、異構(gòu)數(shù)據(jù) 庫、遺產(chǎn)數(shù)據(jù)庫以及w e b 根據(jù)挖掘方法，可分為機器學習方法、統(tǒng)計方法、神 經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。機器學習又包臺歸納學習方法，基于案例學習、遺傳 算法等統(tǒng)計方法包含回歸分析、判別分析、聚類分析、探索性分析等。神經(jīng)網(wǎng) 絡(luò)方法包含前向神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)等。數(shù)據(jù)庫方法主要是多維數(shù)據(jù)分析 方法，另外還有面向?qū)眯缘臍w納方法。 數(shù)據(jù)挖掘所能發(fā)現(xiàn)的知識有如下幾種i z l ：廣義型知識，反映同類事物其同性 質(zhì)的知識；特征型知識，反映事物各方面的特祉知識；差異型知識，反映不同事 物之間屬性差別的知識；關(guān)聯(lián)型知識，反映事物之間依賴或關(guān)聯(lián)關(guān)系的知識；預 測型知識，根據(jù)歷史的和當前的數(shù)據(jù)推測未來數(shù)據(jù)；偏離型知識，揭示事物偏離 常規(guī)的異?，F(xiàn)象。所有這些知識都可以在不同的概念層次上被發(fā)現(xiàn)，隨著概念樹 的提升，從微觀到宏觀，以滿足不同用戶、不同層次決策的需要。 1 分類和預測分析 分類( c l a s s i f i c a t i o n ) 的過程是：找出描述并區(qū)分數(shù)據(jù)類或概念模型( 或 函數(shù)) ，以便能夠使用模型預測類標記未知的對象類。導出模型是基于對訓練數(shù) 據(jù)集( 即其類標記己知的數(shù)據(jù)對象) 的分析。 導出模型可以用多種形式表示，如分類( i f - t h e n ) 規(guī)則、判定鐘、教學公 式或神經(jīng)網(wǎng)絡(luò)。 分類町以用來預測數(shù)據(jù)對象的類標記。然而，在某然應(yīng)用中，人們可能希望 預測某些空缺的或不知道的數(shù)據(jù)值，而不是類標記。當被預測的值是數(shù)值數(shù)據(jù)時， 通常稱之為預測( p r e d i c t i o n ) 盡管預測可以涉及數(shù)據(jù)值預測和類標記預測，通 6 墓f 教據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 常預測限于值預測，并因此不同于分類。預測也包含基于可用數(shù)據(jù)的分布趨勢識 別 2 聚類分析 與分類和預測不同，聚類( c l u s t e r i n g ) 分析數(shù)據(jù)對象，而不考慮已知的類 標記一般情況下，訓練數(shù)據(jù)中不提供類標記，因為不知道從何開始聚類可以 用于產(chǎn)生這種標記。對象根據(jù)最大化類內(nèi)的相似性、最小化類間的相似性的原則 進行聚類或分組即對象的簇( 聚類) 是這樣形成的：使得在一個簇中的對象具 有很高的相似性。而與其他簇中對象的相似性盡量低所形成的每個簇可以看作 一個類，由它可以導出規(guī)則聚類也便于分類編制( t a x o n o m yf o r m a t i o n ) ，將 觀察到的內(nèi)容組織成類分層結(jié)構(gòu)將類似的事件組織在一起 3 關(guān)聯(lián)分析 關(guān)聯(lián)分析( a s s o c i a t i o na n a l y s i s ) 發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，這些規(guī)則展示屬性一值 頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件。關(guān)聯(lián)分析廣泛用于購物籃或事務(wù)數(shù)據(jù)分 析。更形式地。關(guān)聯(lián)規(guī)則( a s s o c i a t i o nr u l e ) 是形如xjy 的規(guī)則，即： 4 t j 馬 最 a 島， 其中4 ( t 1 , a ，肼) ) 口，( j e 1 ，月 ) 是屬性一值對關(guān)聯(lián)規(guī)則x j y 解釋為 “滿足x 中條件的數(shù)據(jù)庫元組多半也滿足y 中的條件” 4 序列分析及時問序列 序列分析和時間序列說明數(shù)據(jù)中的序列信息和與時間相關(guān)的序列分析時間 數(shù)據(jù)庫和時間序列數(shù)據(jù)庫中都存放了與時間有關(guān)的數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)可以用來 發(fā)現(xiàn)這種數(shù)據(jù)庫中對象演變的特征或?qū)ο蟮淖兓厔?，這些信息對于決策支特是 有用的 5 孤立點分析 數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對象，它們與數(shù)據(jù)的一般行為或模型不一致這 些數(shù)據(jù)對象就是孤立點( o u t l i e r ) 大部分數(shù)據(jù)挖掘方法將孤立點視為噪聲或異 常數(shù)據(jù)而丟棄然而，在一些應(yīng)用中( 如欺騙檢測) ，罕見的事件可能比i f 常出 現(xiàn)的那些更有趣孤立點數(shù)據(jù)分析稱為孤立點挖掘( o u t l i e rm i n i n g ) 6 其他分析 ( 1 ) 依賴關(guān)系分析：數(shù)據(jù)依賴關(guān)系代表一類重要的可發(fā)現(xiàn)的知識。一個依 基于教據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 賴關(guān)系存在于兩個元素之間。如果一個元素a 的值可以推出另一個元素b 的值 ( a b ) ，則稱b 依賴于a 這個元素可以是字段，也可以是字段間的關(guān)系。 ( 2 ) 概念描述：用戶常常還需要抽像的、有意義的描述。經(jīng)過歸納的抽像 描述能概括大量的關(guān)于類的信息。有兩種典型的描述：特性描述和判別描述。特 性用于描述類的所有記錄之問的共同處，而判別則描述兩個或更多個類之間有何 差異。 ( 3 ) 偏差檢測：通過發(fā)現(xiàn)異常，可以引起人們對特殊情況的加倍注意。異 常包括如下幾種可能引起人們興趣的模式：不滿足常規(guī)類的異常例子；出現(xiàn)在模 式邊緣的特異點；與父類或兄弟類有顯著不同的類；在不同時刻發(fā)生了顯著變化 的某個元素或集合；觀察值與模型推算出的期望值之間有顯著差異的事例偏差 分析的個重要特征就是它可以有效地過濾大量的不感興趣的模式 2 3 數(shù)據(jù)挖掘步驟 數(shù)據(jù)挖掘過程可粗略地分為五個階段鯽：問題定義( t a s kd e f i n i t i o n ) 、數(shù) 據(jù)收集和預處理( d a t ap r e p a r a t i o na n dp r e p r o c e s s i n g ) 、數(shù)據(jù)挖掘( d a t a m i n i n g ) 算法執(zhí)行、結(jié)果解釋和評估( i n t e r p r e t a t i o na n de v a l u a t i o n ) ，如圖2 - l 所示。 圖2 - i 數(shù)據(jù)挖掘過程示意圖口1 1 問題定義 數(shù)據(jù)挖掘是為了在大量數(shù)據(jù)中發(fā)現(xiàn)有用的信息。發(fā)現(xiàn)何種知識便成為整個過 程的第一個也是最重要的一個階段。在問題定義過程中，數(shù)據(jù)挖掘人員必須和領(lǐng) 域?qū)＜乙约白罱K用戶緊密協(xié)作，一方面明確實際工作對數(shù)據(jù)挖掘的要求；另一方 面通過各種學習算法的對比進而確定可用的學習方法。后續(xù)的學習算法和數(shù)據(jù)集 8 基r 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 準備都是在此基礎(chǔ)上進行的 課堂教學質(zhì)量評價系統(tǒng)數(shù)據(jù)挖掘的問題定義是在管理部門提出的要求指導 下，經(jīng)過與教學研究專家進行探討，并根據(jù)現(xiàn)有數(shù)據(jù)的具體情況，提出了如下兩 個問題： ( 1 ) 課堂教學質(zhì)量評價體系是否合理? ( 2 ) 從現(xiàn)有數(shù)據(jù)中可根據(jù)哪些屬性預測教師未來的教學質(zhì)量 2 數(shù)據(jù)收集和數(shù)據(jù)預處理 數(shù)據(jù)準備又可分為三個子步驟i 數(shù)據(jù)選取( d a t as e l e c t i o n ) 數(shù)據(jù)預處理 ( d a t af r e p r o c e s s i n g ) 和數(shù)據(jù)變換( d a t at r a n s f o r m a t i o n ) 數(shù)據(jù)選取的目的是確定發(fā)現(xiàn)任務(wù)的操作對象，即目標數(shù)據(jù)( t a r g e to a t a ) ， 是根據(jù)用戶的需要從原始數(shù)據(jù)庫中抽取的一組數(shù)據(jù)數(shù)據(jù)預處理可能包括消除噪 聲、推導計算缺值數(shù)據(jù)、消除重復記錄、完成數(shù)據(jù)類型轉(zhuǎn)換( 如把連續(xù)值數(shù)據(jù)轉(zhuǎn) 換為離散型數(shù)據(jù)，便于符號歸納，或是把離散型數(shù)據(jù)轉(zhuǎn)換成連續(xù)型，以便于神經(jīng) 網(wǎng)絡(luò)) 等當數(shù)據(jù)挖掘的對象是數(shù)據(jù)倉庫時，一般來說，數(shù)據(jù)預處理已經(jīng)在生成 數(shù)據(jù)倉庫時完成數(shù)據(jù)變換的主要目的是消減數(shù)據(jù)維數(shù)或降維( d i m e n s i o n r e d u c t i o n ) ，即從初始特征中找出真正有用的特征，以減少數(shù)據(jù)挖掘時要考慮的 特征或變量個數(shù) 3 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘算法執(zhí)行階段首先根據(jù)對問題的定義明確挖掘的任務(wù)和目的，如分 類、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)和序列模式發(fā)現(xiàn)等。確定了挖掘任務(wù)后，就要決定使用 哪種算法。選擇實現(xiàn)算法有兩個考慮因素：一是不同的數(shù)據(jù)有不同的特點，因此 需要用與數(shù)據(jù)相關(guān)的算法束挖掘：二是用戶或?qū)嶋H運行系統(tǒng)的要求，有的用戶可 能希望獲取描述型( d e s c r i p t i v e ) 的、容易理解的知識( 采用規(guī)則表示的挖掘方 法此時就比神經(jīng)網(wǎng)絡(luò)之類的方法更合適) ，而有的用戶只是希望獲取預測準確度 盡可能高的預測型( p r e d i c t i v e ) 知識，并不在意獲取的知識是否易于理解。 根據(jù)課堂教學質(zhì)量評價系統(tǒng)數(shù)據(jù)挖掘的問題定義，選擇關(guān)聯(lián)規(guī)則和決策樹分 剮作為兩個任務(wù)的實現(xiàn)算法。 4 結(jié)果解釋和評估 數(shù)據(jù)挖掘階段發(fā)現(xiàn)出來的模式，經(jīng)過評估可能存在冗余或無關(guān)的模式，這 9 摹f 數(shù)據(jù)挖掘技術(shù)的教學評價系統(tǒng)研究 時需要將其剔除；也有可能模式不滿足用戶要求，這時則需要整個發(fā)現(xiàn)過程回退 到前一階段，如重新選取數(shù)據(jù)、采用新的數(shù)據(jù)變換方法、設(shè)定新的參數(shù)值，甚至 換一種算法等。另外k d d 由于最終是面向人類用戶的，因此可能要對發(fā)現(xiàn)的模 式進行可視化，或者把結(jié)果轉(zhuǎn)換為用戶易懂的另一種表示，如把分類決策樹轉(zhuǎn)換 為“i f t h e n ”規(guī)則。 數(shù)據(jù)挖掘算法執(zhí)行，僅僅是整個過程中的一個步驟。數(shù)據(jù)挖掘質(zhì)量的好壞有 兩個影響要素：一是所采用的數(shù)據(jù)挖掘技術(shù)的有效性：二是用于挖掘的數(shù)據(jù)的質(zhì) 量和數(shù)量( 數(shù)據(jù)量的大小) 如果選擇了錯誤或不適當?shù)膶傩?，或?qū)?shù)據(jù)進行了 不適當?shù)霓D(zhuǎn)換，必將損失挖掘結(jié)果的質(zhì)量。 數(shù)據(jù)挖掘過程是一個不斷反饋的過程。如果用戶在挖掘過程中發(fā)現(xiàn)了數(shù)據(jù)或 挖掘技術(shù)方面的問題，產(chǎn)生不了期望的結(jié)果時，常需要重復某些過程。甚至從頭 開始。 2 4 關(guān)聯(lián)規(guī)則 關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中一種常用算法，屬無指導學習過程，適應(yīng)于驗證 性研究。本文選擇了關(guān)聯(lián)規(guī)則作為驗證課堂教學質(zhì)量評價體系合理性研究挖掘工 具，下面詳細介紹該算法的基本原理。 2 4 1 基本概念胡 定義2 - 1 ：關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)集記為口( 一般為事務(wù)數(shù)據(jù)庫) ，肛 t ， 如“，甜，如= ，厶厶，硝，“( k - l ，2 ，n ) 稱為事務(wù)( t r a n s a c t i o n s ) ， l ( 1 l f l ，2 ，p ) 稱為項目( i t e m ) 定義2 - 2 ：設(shè)，- ( ，。西l 是口中全體項目組成的集合，的任何子集 x 稱為口中的項目集( i t e m s e t ) ，l x i = k 稱為集合x 的k 項集。設(shè)“和x 分別為口 中的事務(wù)和項集，如果x c t ”稱事務(wù)“包含項目集x 。每一個事務(wù)都有一個唯一 的標識符，成為t i d 。 定義2 - 3 ：數(shù)據(jù)集口中包含項目集x 的事務(wù)數(shù)稱為項目集x 的支持度，記為 0l 項目集x 的支持度記為s u p p o r t ( x ) ： s u p p o r t ( x ) = 尚1 0 0 ( 2 - 1 ) 基于敦據(jù)挖捆技術(shù)的教學評價系統(tǒng)研究 其中i d l 是數(shù)據(jù)集口的事務(wù)數(shù)，若s u p p o r t ( x ) 不小于用戶指定的最小支持度 ( m i n s u p p o r t ) ，則成x 為頻繁項目集。簡稱頻集( 或大項目集) ，否則成x 為非 頻繁項目集。簡稱非頻集( 或小項目集) 定理2 - 1 ：設(shè)x 、y 是數(shù)據(jù)集d 中的項目集： ( 1 ) 若x y ，則s u p p o r t ( x ) s u p p o r t ( y ) ( 2 - 2 ) ( 2 ) 若j c 】，。如果x 是非頻集，則y 也是非頻集 ( 3 ) 若z c y ，若y 是頻集，則x 也是頻集 定義2 - 4 l 若x 、y 為項目集。且x n y - = - 。蘊含式x j y 稱為關(guān)聯(lián)規(guī)則，x 、y 分別稱為關(guān)聯(lián)規(guī)則x j y 的前提和結(jié)論。項目集x u y 的支持度稱為關(guān)聯(lián)規(guī)則x 寺y 的支持度。記作；s u p p o r t ( x = 蚪) s u p p o r t ( x 辛y ) = s u p p o r t ( x u y )( 2 3 ) 關(guān)聯(lián)規(guī)則x j y 的置信度i 己作：c o n f i d e n c e ( x j y ) c o n f i d e n c e ( xjy ) ：嬰咝墜塵1 0 0 ( 2 4 ) s u p d 0 r t x i 通常，用戶根據(jù)挖掘情況需要指定最小置信度，記為m i n c o n f i d e n c e 支持度和置信度是描述關(guān)聯(lián)規(guī)則的兩個重要概念，前者用于衡量關(guān)聯(lián)規(guī)則在 整個數(shù)據(jù)集中的統(tǒng)計重要信，后者用于衡量關(guān)聯(lián)規(guī)則的可信程度一般來說只有 支持度和置信度均較高的規(guī)則才可能是用戶感興趣、對用戶有價值的關(guān)聯(lián)規(guī)則。 定義2 - 5 ：若s u p p o r t ( x = “) m i n s u p p o r t ，且c o n f i d e n c e ( x - j y ) m i n c o n f i d e n c e ，稱關(guān)聯(lián)規(guī)則x j y 為強規(guī)則，否則稱關(guān)聯(lián)規(guī)則x j y 為弱規(guī) 則 。 2 4 2 關(guān)聯(lián)規(guī)則挖掘算法 關(guān)聯(lián)規(guī)則挖掘的任務(wù)鼢卅就是要挖掘出0 中所有的強規(guī)則強規(guī)則x ，y 對 應(yīng)的項目集( x u y ) 必定是頻集( 由定義2 - 5 和式( 2 - 3 ) 可知) ，由式( 2 - 2 ) 和式( 2 4 ) 可知，頻集( x u y ) 導出的關(guān)聯(lián)規(guī)則x j y 的置信度可由頻集x 和( x u y ) 的支持度 計算因此，可以把關(guān)聯(lián)規(guī)則挖掘劃分為以下兩個子問題”： ( 1 ) 根據(jù)最小支持度找出數(shù)據(jù)集d 中的所有頻集。 ( 2 ) 根據(jù)頻繁項目集和最小置信度產(chǎn)生關(guān)聯(lián)規(guī)則 蘑于數(shù)據(jù)挖掘技術(shù)的教學評價秉統(tǒng)研究 第一個子問題的任務(wù)是迅速高效地找出d 中全部頻集，是關(guān)聯(lián)規(guī)q 挖掘的中 心問題，是衡量戈聯(lián)規(guī)則挖掘算法的標準；第二個子問題求解是比較容易、直接 的，日前所有的關(guān)聯(lián)規(guī)則挖掘算法都是針對第一個子問題而提出的，a p r i o r i 算 法是解決這個問題的雖初方法。 一a p r i o r i 算法的基本思想 a p r i o r i 算法州( 找頻繁項集算法) 是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻 繁項集的算法。算法的名稱基于這樣的事實：算法使用頻繁項集性質(zhì)的先驗知識， a p r i o r i 使用一種稱作逐層搜索的迭代方法，k 一項集用于探索( k + 1 ) 一項集首 先，找出頻繁卜項集。該集合記作l l ，l ，用于找頻繁2 一項集的集合l ，而l ：用 于找1 4 ，如此下去，直到不能找到頻繁k 一項集。找每個l k 需要一次數(shù)據(jù)庫掃描 為了提高頻繁項集逐層產(chǎn)生的效率，一種稱作h p r i o r i 性質(zhì)的重要性質(zhì)用于 壓縮搜索空問。 a p r i o r i 性質(zhì)：頻繁項集的所有非空子集都必須也是頻繁的。h p r i o r i 性質(zhì) 可以解釋為：如果項集x 不滿足最小支持度閥值m i n s u p p o r t ，則x 不是頻繁的， 即s u p p o r t ( x ) m i n s u p p o r t 。如果項y 添加到x ，則結(jié)果項集( 即x u y ) 不可 能比x 更頻繁出現(xiàn)。因此，x u y 也不是頻繁的，即s u p p o r t ( x u y ) ( m i n s u p p o r t 。 該性質(zhì)屬于一種特殊的分類，稱作反單調(diào)，意指如果一個集合不能通過測試，則 它的所有超集也都不能通過相同的測試。 h p r i o r i 算法在第k 次循環(huán)中，先產(chǎn)生候選k - 項集的集合c k ，c k 的項集是用 來產(chǎn)生頻繁項集的候選集。c - 中的每個元素需在事物數(shù)據(jù)庫中進行驗證。決定是 否加入l l 。 根據(jù)h p r i o r i 的性質(zhì)，我們分析如何由l 一推出k 。算法分兩步完成： 1 連接步。 為了找k ，通過k 一與自己連接產(chǎn)生候選k 一項集，該候選項集記為c 。 設(shè)和，2 是b 一中的項集，記號t j 表示的第j 項。如果( ，e t = ，： 1 】) a ( 2 = ，2 2 ) a ( k 一2 i ，2e k 一2 ) a ( k 1 ，2 k 一1 ) ，則做連接l t ， c o l 。，連接條件是兩個項的前k - 2 項相同，連接結(jié)果為： ，。 1 “2 l k l 】f 2 k 1 基于數(shù)掂挖掘技術(shù)的教學評價系統(tǒng)研宄 2 剪枝步 聯(lián)結(jié)之后的結(jié)果6 是l i 的超集，它的成員可能是不頻繁的，但所有的頻繁 k _ 項集都包古在b 中，這時要從掃描數(shù)據(jù)庫確定& 中每個候選的計數(shù)從而確 定l i 確定l 可用h p r i o r i 性質(zhì)對也進行刪減，把子集不在l 一中的候選k 項從 q 中刪除。 2 5 決策樹和決策規(guī)則 2 5 1 決策樹的定義 決策樹( d e c i s i o nt r e e ) 是一個類似于流程圖的樹結(jié)構(gòu)淵，其中每個內(nèi)部節(jié) 點表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉節(jié)點代表 類或類分布樹的最頂層節(jié)點是根節(jié)點一棵典型的決策樹如圖2 - 2 所示 圖2 - 2 決策樹示例 這是一棵用于判斷貸款風險的決策樹。銀行負責貸款的職員可i = 衛(wèi)用貸款申請 表來運行這棵決策樹，以便判斷風險的大小。年收入大t ￥4 0 0 0 0 ”并且“高負 債”的用戶被認為是“高風險”，應(yīng)該拒絕貸款；而“年收入小于y 4 0 0 0 0 ”但“工 作時間大于5 年”的申請，被認為是“低風險”，可以給予貸款 決策樹是數(shù)據(jù)挖掘中的一種重要技術(shù)，可以用于分析數(shù)據(jù)，也可以用來預測 2 5 2 決策樹算法 常用的決策樹算法有i d 3 ，c a r t ，o u s t ，c 4 5 等，其中以q u i n l a n 的1 0 3 算法 應(yīng)用最廣 1 算法的基本思想 基于數(shù)據(jù)挖掘技術(shù)的教學評價鬟統(tǒng)研究 d 3 算法刪從樹的根節(jié)點處的所有訓練樣本開始，首先檢測訓練樣本集的所 有特征，選擇信息增益最大的特征a 建立決策樹根節(jié)點，由該特征的不同取值建 立分枝，對各分枝的實例子集遞歸，用該方法建立樹的節(jié)點和分技，直到某一子 集中的數(shù)據(jù)都屬于同一類別，或者沒有特征可用于對數(shù)據(jù)進行分割。 在建立決策討的過程中，i d 3 算法具有如下性質(zhì)： ( 1 ) 決策樹中每一個非葉節(jié)點對應(yīng)著一個非類別屬性，樹枝代表這個屬性 的值一個葉節(jié)點代表從樹根到葉節(jié)點之間的路徑所對應(yīng)的記錄所屬的類別屬性 值。 ( 2 ) 在決簸樹中，每一個非葉節(jié)點都將與屬性中具有最大信息量的非類別 屬性相關(guān)聯(lián) ( 3 ) 熵通常是用于測量一個非葉節(jié)點的信息量大小的具體參數(shù)。 ( 4 ) 算法使用同樣的過程，遞歸地形成每個劃分上的子樹，一旦一個屬性 出現(xiàn)在一個節(jié)點上，就不必考慮該節(jié)點的任何后代； ( 5 ) 遞歸劃分的停止條件： 給定結(jié)點的所有樣本屬于同一類； 沒有剩余屬性可以用來進一步劃分樣本，則將給定的節(jié)點轉(zhuǎn)換成樹葉， 并按大多數(shù)原則用大多數(shù)樣本所在的類標記它 分技中樣本為空，這時樣本也按大多數(shù)原則創(chuàng)建一個樹葉。 2 算法描述1 算法：g e n e r a t e _ d e c i s i o n _ t r e e ，根據(jù)給定數(shù)據(jù)集產(chǎn)生一棵決策樹。 輸入：訓練樣本s a m