數(shù)據挖掘課程設計

1、本科課程設計及實驗期末成績評估系統(tǒng)的數(shù)據倉庫和數(shù)據挖掘設計課 程 名 稱： 數(shù)據挖掘 課 程 編 號： 08060116 學 生 姓 名： cwl 學 號： 2008052251 學 院： 信息科學技術學院 系： 計算機科學系 專 業(yè)： 軟件工程 指 導 教 師： lb 教 師 單 位： 信息學院計算機系 開 課 時 間： 2010 2011 學年度第 二 學期 2011年 06月 20日 第1章 概述1.1應用背景和問題的提出在大學生活中，我們大學生在某種程度上還是比較重視自己的課程成績的。而有一個期末最終成績的評估系統(tǒng)，無疑對同學們而言是很有用的。在這個系統(tǒng)中，只需輸入你估計的平時成績以及

2、表現(xiàn)和期末考試的得分，就可以預測出最終的成績。而這個課程成績的組成以及得出是怎么樣的呢。這個最終的得分是受到什么影響呢?本論文就以上問題進行了探討和挖掘。1.2設計內容的介紹本課程設計主要是探討和研究在老師給定成績時考慮的因素，以及這些因素所占的比例。數(shù)據倉庫為一份記錄著600個同學的得分情況的數(shù)據，數(shù)據挖掘則采用決策樹探究出影響結婚年齡的因素。 第2章 數(shù)據倉庫設計2.1概念模型設計數(shù)據倉庫里面有一個實體，也就是成績score。成績的決定因素有performance也就平時表現(xiàn)情況，即根據其在課堂上的活躍程度以及認真聽課的情況來給的分，還有averscore就是同學平時的作業(yè)得分以及平時測試

3、或者期中測試的平均成績，以及期末考試的成績lasttest。scorelasttestperformanceaverscore2.2邏輯模型設計本數(shù)據倉庫只有一個表，邏輯模型設計如下：2.3物理模型設計在數(shù)據倉庫的物理設計中，主要解決數(shù)據的存儲結構、數(shù)據的索引策略、數(shù)據的存儲策略、存儲分配優(yōu)化等問題。物理設計的主要目的有兩個，一是提高性能，二是更好地管理存儲的數(shù)據。訪問的頻率、數(shù)據容量、選擇的RDBMS支持的特性和存儲介質的配置都會影響物理設計的最終結果。在本數(shù)據挖掘中，數(shù)據的索引策略采取的并不是位圖索引而是按列索引2.4 OLAP模型設計在本設計中由于案例考慮的并不復雜，所以OLAP模型設計

4、也就比較的簡單。下面的數(shù)據是保存在Excel中的。大概的模型設計也就如下圖所示。2.5 OLAP前端展示設計第3章 數(shù)據挖掘分析3.1 期末成績評估系統(tǒng)應用挖掘概述在本系統(tǒng)中，數(shù)據倉庫采用一個二維表來存儲和表示同學們的平時成績，平時表現(xiàn)得分，以及期末成績等屬性。數(shù)據挖掘則采用關聯(lián)分析來將二維表中的實例分開，并探究這些數(shù)據所蘊含的規(guī)律。3.2數(shù)據挖掘實驗3.2.1實驗環(huán)境 Windows XPMicrosoft SQL Server 2008Microsoft Visual Studio 2008Microsoft Office 2003 Excel Access3.2.2數(shù)據準備及預處理 首先

5、選擇數(shù)據源，以下幾個截圖是在做實驗時的幾個步驟。3.2.3 實驗內容 （輸入數(shù)據集，選擇算法，輸出結果，比較分析）（1）建立一個Analysis Services Project的項目，在數(shù)據源中輸入數(shù)據集：說明： 以上實驗室在實驗室做的，由于時間不夠，回到宿舍自己安裝了中文版的SQL SERVER工具，并完成接下來的實驗步驟。3.2.4 算法選擇分類的任務是通過分析由已知類別數(shù)據對象組成的訓練數(shù)據集，建立描述并區(qū)分數(shù)據對象類別的分類函數(shù)或分類模型（也常常稱作分類器）。分類算法有多種，例如，決策樹分類算法、神經網絡分類算法、貝葉斯分類算法等。這里需要用的是決策樹分類算法。在本挖掘中選擇是關聯(lián)分

6、析，分析過程和結果如以下圖所示：下面是挖掘模型：項集：關聯(lián)規(guī)則：提升圖：分類矩陣：依賴關系網絡圖：后來我用回歸預測法，得到了一個散點圖，說明預測值和實際值是有一定的關聯(lián)的：通過以上的分析，我們得出一個結論，就是期末成績在最終得分中所占的比例最大，平時成績和平時表現(xiàn)的權重差不多，在這個結論中，期末考試的成績的重要性，不言而喻，增加期末考試的成績，最能提高最終成績，平時成績和表現(xiàn)的得分也很重要，但相對權重沒有期末成績大。一個分數(shù)高的學生，他的所有成績都應該是很高的。參考文獻：1 Jamie MacLennan，ZhaoHui Tang，Bogdan Crivat 著數(shù)據挖掘原理與應用（第2版）SQL Server 2008數(shù)據庫北京：清華大學出版社.2、王麗珍、周麗華、陳紅梅、肖