基于數(shù)據(jù)挖掘技術(shù)的高校學(xué)生興趣分類研究.pdf

1、近年來(lái)，各高校在積極推進(jìn)個(gè)性化建設(shè)中，將學(xué)生的興趣愛(ài)好作為重要參照因素進(jìn)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(xué)校分析決策，而通過(guò)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(jī)器學(xué)習(xí)算法進(jìn)行分類，該分類技術(shù)能夠針對(duì)高維的小樣本數(shù)據(jù)集建立一個(gè)泛化性能與精度較好的分類模型，從而實(shí)現(xiàn)輔助決策能力，克服了傳統(tǒng)數(shù)理統(tǒng)計(jì)受數(shù)據(jù)量變化大，數(shù)據(jù)統(tǒng)計(jì)難，耗時(shí)耗力等問(wèn)題。
　　本研究分析了挖掘?qū)ο蟮臄?shù)據(jù)特征，利

2、用高校學(xué)生數(shù)據(jù)結(jié)構(gòu)單一、自由度較高的特點(diǎn)，對(duì)學(xué)生的日常生活中的興趣傾向數(shù)據(jù)進(jìn)行研究。以學(xué)生屬性為特征，以興趣類別做標(biāo)記向量，采用支持向量機(jī)（SVM）訓(xùn)練分類模型。分別選用了決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)分類器作比較研究。通過(guò)5個(gè)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證，重復(fù)試驗(yàn)6次求其平均值，分別探索了學(xué)生體育愛(ài)好、交通出行愛(ài)好、飲食愛(ài)好、娛樂(lè)愛(ài)好，選課偏好的分類效果，實(shí)驗(yàn)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(shù)和BP神經(jīng)