[發明專利]基于C4.5算法分析影響中學生成績的因素的方法

在審

• 申請號: 201911392034.9
• 申請日: 2019-12-30
• 公開（公告）號: CN111199314A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 唐雪飛;樊樹林
• 申請（專利權）人: 成都康賽信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 劉冬靜

本發明公開一種基于C4.5算法分析影響中學生成績的因素的方法，應用于大數據處理領域，針對現有技術存在的無法客觀的分析影響學生成績的因素，學校和教師不能有效的、有針對性的改進教學方法和教育模式的問題；本發明方法通過獲取學生表現數據并整理為數據表；所述數據表的列為變量，行為學生；其中變量至少包括grade，所述grade作為目標變量；然后采用C4.5決策樹算法對所有變量進行分析，得到最終影響當前學生成績的主要特征變量；能客觀的挖掘大量影響學生成績的特征，為學校和老師的教育模式改進起著重要的支撐作用。

技術領域

本發明屬于大數據處理領域，特別涉及一種教育大數據教學應用技術。

背景技術

傳統的教學過程中，教育模式、教學方法的確定一般有一下幾種：一是通過教師個人對自己學生的主觀判斷，二是綜合評估學生平時表現與考試成績，三是通過比較學生各階段學習成績的表現以及與同學校或者不同學校之間相同年級的學生成績進行比較，這樣的教學方式往往由于個人主觀意愿太強導致分析學生成績影響因素有比較大的偏差。

由于教師和學校教學管理者的主觀意愿，很難對學生成績的影響因素有一個正確的判斷，導致教師的教學方式很難有客觀性的改變，這就導致學生成績一直穩定在之前的水準或者出現不同程度的下滑。這會對學生短暫的中學時間造成極大的浪費，耽誤學生時代最好的學習時光。

因此，傳統的教學方式無法客觀的分析影響學生成績的因素，學校和教師不能有效的、有針對性的改進教學方法和教育模式。那么，對于目前全國大部分中學出現的這種常見，如何根據學生的日常學習狀態，學生的各階段學習成績，教師的教學方式，學生家長情況等特征變量客觀的、有效的、準確的得出各階段影響學生成績的相關因素，學校和老師根據得出的相關因素改進每個階段的教學方式。海量的數據已經滲透到日常工作的方方面面，對社會生活產生重要影響，結合機器學習對學生相關數據進行分析預測，得出決策樹算法對學生成績的預測有很大的準確度。基于決策樹算法對學生成績影響因素進行分析，能有效、客觀的解決以上問題。

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。數據挖掘是指從大量的數據中通過算法搜索隱藏于其中信息的過程。數據挖掘通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統(依靠過去的經驗法則)和模式識別等諸多方法來實現上述目標。

C4.5是一系列用在機器學習和數據挖掘的分類問題中的算法。它的目標是監督學習：給定一個數據集，其中的每一個元組都能用一組屬性值來描述，每一個元組屬于一個互斥的類別中的某一類。C4.5的目標是通過學習，找到一個從屬性值到類別的映射關系，并且這個映射能用于對新的類別未知的實體進行分類。

C4.5由J.Ross Quinlan在ID3的基礎上提出的。ID3算法用來構造決策樹。決策樹是一種類似流程圖的樹結構，其中每個內部節點(非樹葉節點)表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉節點存放一個類標號。一旦建立好了決策樹，對于一個未給定類標號的元組，跟蹤一條有根節點到葉節點的路徑，該葉節點就存放著該元組的預測。決策樹的優勢在于不需要任何領域知識或參數設置，適合于探測性的知識發現。

發明內容

為解決上述技術問題，本發明提出一種基于C4.5算法分析影響中學生成績的因素的方法，客觀的挖掘大量影響學生成績的特征，為學校和老師的教育模式改進起著重要的支撐作用。

本發明采用的技術方案為：一種基于C4.5算法分析影響中學生成績的因素的方法，包括：

S1、獲取學生表現數據并整理為數據表；所述數據表的列為變量，行為學生；其中變量至少包括grade，所述grade作為目標變量；