基于ID3決策樹算法的改進研究.pdf

1、現(xiàn)階段各級各類學(xué)校都有自己的課程成績數(shù)據(jù)庫，這些數(shù)據(jù)庫中存放著大量的學(xué)生課程成績。學(xué)校對學(xué)生成績數(shù)據(jù)的處理一般還停留在簡單的數(shù)據(jù)庫管理和查詢階段，不能發(fā)揮其應(yīng)有的作用。
　　 數(shù)據(jù)挖掘可以從數(shù)據(jù)庫的大量數(shù)據(jù)中，自動抽取或發(fā)現(xiàn)有用的信息。它是一個決策支持過程，是深層次的數(shù)據(jù)信息分析方法，將它用在學(xué)生課程成績原因分析方面是非常有價值的。
　　 本論文主要把數(shù)據(jù)挖掘的經(jīng)典分類技術(shù)——決策樹技術(shù)與中學(xué)教育教學(xué)管理成績數(shù)據(jù)庫系統(tǒng)相

2、結(jié)合，從中提取出隱藏在數(shù)據(jù)當中的有用信息，并進行分析，找出影響學(xué)生課程成績的各種因素以及各因素之間的關(guān)系，為個性化教學(xué)策略提供數(shù)據(jù)依據(jù)，為教育部門提供決策支持，促使教育部門更好地開展教學(xué)工作，提高教育教學(xué)質(zhì)量。
　　 本論文介紹了數(shù)據(jù)挖掘的有關(guān)概念及決策樹的各種算法，通過對幾種較典型的決策樹算法進行分析比較，提出一種改進的ID3 算法。該算法的思想是將高等數(shù)學(xué)中的泰勒公式原理與ID3 算法的屬性選擇標準——信息熵的求解相結(jié)合，對

3、其求解過程進行簡化，減小了算法的計算復(fù)雜度，提高了算法運行效率，使決策樹的生成時間縮短。將簡化后的信息熵加權(quán)求平均，平衡了每個屬性對數(shù)據(jù)集的不確定程度，使得屬性的選擇更加合理化。為了解決數(shù)據(jù)中噪聲與孤立點，本論文引入了趨近度，使最終生成的決策樹的規(guī)模盡可能小，同時又對改進的ID3 算法所生成的決策樹進行剪枝，使最終生成的決策樹更加簡潔。實踐證明，改進后的ID3 算法提高了決策樹的構(gòu)建速度，減少了算法的運行時間，克服了原ID3 算法偏向于