基于數(shù)據(jù)挖掘技術(shù)的高校學生興趣分類研究.pdf

1、近年來，各高校在積極推進個性化建設(shè)中，將學生的興趣愛好作為重要參照因素進行深入研究，研究發(fā)現(xiàn)興趣的多樣性與復(fù)雜性影響了學校分析決策，而通過分類的方式則可以有效降低興趣的復(fù)雜多樣性從而輔助管理者作出正確決策。本文采用機器學習算法進行分類，該分類技術(shù)能夠針對高維的小樣本數(shù)據(jù)集建立一個泛化性能與精度較好的分類模型，從而實現(xiàn)輔助決策能力，克服了傳統(tǒng)數(shù)理統(tǒng)計受數(shù)據(jù)量變化大，數(shù)據(jù)統(tǒng)計難，耗時耗力等問題。
　　本研究分析了挖掘?qū)ο蟮臄?shù)據(jù)特征，利

2、用高校學生數(shù)據(jù)結(jié)構(gòu)單一、自由度較高的特點，對學生的日常生活中的興趣傾向數(shù)據(jù)進行研究。以學生屬性為特征，以興趣類別做標記向量，采用支持向量機（SVM）訓練分類模型。分別選用了決策樹和BP神經(jīng)網(wǎng)絡(luò)分類器作比較研究。通過5個數(shù)據(jù)集進行實驗驗證，重復(fù)試驗6次求其平均值，分別探索了學生體育愛好、交通出行愛好、飲食愛好、娛樂愛好，選課偏好的分類效果，實驗顯示SVM分類器能在保障挖掘質(zhì)量的前提下快速挖掘?qū)W生興趣類別，其分類效果明顯優(yōu)于決策樹和BP神經(jīng)