【正文】 的信息，只要加以分析，就能得到許多有用的信息，如教育規(guī)律、學生的培養(yǎng)模式、學生學科間的差異性和相關性的一些規(guī)律。這些規(guī)律對教育管理決策來說是相當重要的，對教育教學改革有指導性的意義。 決策樹在教育信息處理中的應用決策樹表示的是一個離散值函數，樹中每一個節(jié)點表示一個屬性，同時目標分類具有離散的輸出值信息。教育中的大量信息，一般都是對一些離散的數據進行分析，比如學習成績一般分成優(yōu)、良、中、差，外語六級成績分成過與未過，這些信息都可以用決策樹來加以分類歸納，對于連續(xù)的屬性值，也可以進行離散化處理后再利用決策樹來加以分析。 決策樹在教學評價中的應用案例決策樹在教育信息處理中的應用很廣泛，下面以決策樹在教學評價中的應用為例，來說明在教育信息處理中是如何使用決策樹來分析的。教學評價在教育中是一個重要的問題，它是指依據一定的教學目標與教學規(guī)范標準，通過對學校教與學等教育情況的系統(tǒng)檢測與考核，評定其教學效果與教學目標的實現程度。教學評價具有復雜性、多因素性和模糊性等特點。如何客觀、科學、全面地對教學進行評價，是教學評價中一個重要的課題，下面嘗試將決策樹應用于教學評價。在評價之初要有一個數據采集的過程，之后可以用決策樹來加以分析。課堂教學評價指標體系分為若干項，從教師的角度可以分為授課態(tài)度A授課方法A授課內容A授課效果A教學評價A5，可以取訓練例子如表1所示。對給定的訓練例子數據是把連續(xù)的數據離散化的結果，A為評分90～100，B為評分80～89，C為評分70～79，D為評分60～69，E為評分如果利用前面的ID3算法建立決策樹，先檢驗所有信息增益的特征屬性，選擇信息增益最大的屬性作為決策樹的結點，由該特征的不同取值建立分支，對此分支的實例子集遞歸該方法建立決策樹的結點和分支，直到某一子集中的例子屬于同一類。對給定訓練例子的熵為：E(T)= 46。表1 訓練例子N1 A1 A2 A3 A4 A5 1 B B B B 良 2 B B B B 良 3 B B B C 良 4 A A A A 優(yōu) 5 B C C C 中 6 C C C C 中 7 B C B B 良 8 B B C C 良 9 C B C C 中 A A B B 良以屬性A1為例，A1的值={A,B,C}，由表中可以看出A3的信息增益最大，所以選A3屬性作為根節(jié)點的測試屬性，并根據其值向下分支，利用ID3算法進一步劃分，當根節(jié)點到當前節(jié)點的路徑上包括所有屬性或當前節(jié)點的訓練樣本同屬一類時，算法結束。根據以上分析給出圖2所示決策樹。圖2 決策樹可以根據生成的決策樹，方便地提取其描述的知識，比如授課內容A3在這里產生的信息增益最大等信息。小結在教育信息中存在隱藏在數據中的規(guī)則，這些規(guī)則可以用不同的方法被挖掘。本文只是對決策樹中的分類ID3算法在數據處理中的應用進行研究，目的是得到教育教學中存在的規(guī)則，利用發(fā)現的規(guī)則對教育管理決策提供有參考意義的信息。參 考 文 獻[1]Callan [M].北京:電子工業(yè)出版社,2004 [2][M].北京:中國水利水電出版社,2003 [3]朱福喜,[M].武漢:武漢大學出版社,2002 [4]陳翔,[J].計算機應用,2006,26(2):368370 [5]谷瓊,[J].電子技術應用,2006,32(1):2022 [6]王中輝,[J]甘肅科技,2006,22(3):125126,106第五篇：數據倉庫與數據挖掘第一次作業(yè)數據倉庫與數據挖掘第一次作業(yè)電子商務這一行業(yè)目前還處于摸索期，有很多需要完善和可以創(chuàng)新的地方。這學期選修了袁老師的《電子商務》，印象最深的就是老師提過這樣的想法：電商（主要是B2B）、百度等搜索引擎以及新浪微博等社交平臺都是可以做咨詢業(yè)的，即根據客戶的消費（或搜索）記錄、評價等信息定期為企業(yè)生成反饋報告。要實現之一定是需要數據倉庫和數據挖掘等這類技術，通過收集、分析大量客戶數據，為企業(yè)的預測、決策提供情報。企業(yè)通過電子商務網站開展網絡經營的過程中，利用數據倉庫組織和存儲大量的客戶信息，在此基礎上利用數據挖掘技術對這些信息進行抽取、分析，找出更深層次的隱藏信息，從而使企業(yè)的電子商務網站達到更高的客戶滿意度，將大大地提高企業(yè)網絡經營的效率，大大降低企業(yè)的運營成本。具體功能和作用如下： 首先，電子銷售商可以獲知訪問者的個人愛好，更加充分地了解顧客的需要，并根據顧客的資料分析潛在的目標市場。其次，企業(yè)也可以了解客戶的價值，利用數據倉庫的資料，發(fā)現什么樣的顧客群在網站上購買什么商品，區(qū)分高價值顧客和一般價值顧客，對各類顧客采取相應的營銷策略。再次，根據顧客的歷史資料，不僅可以預測需求趨勢，還可以評估需求傾向的改變，為顧客提供更好的服務。另外，企業(yè)通過理解訪問者的動態(tài)行為可以優(yōu)化電子商務網站的經營模式。最后，對涉及消費行為的大量信息進行收集、加工和處理，企業(yè)就可以確定特定消費群體或個體的興趣、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體下一步的消費行為，然后以此為基礎，對所識別出來的消費群體進行特定內容的定向營銷。例如：（1）對那些要通過網站發(fā)送廣告的企業(yè)，分析用戶訪問模式有助于針對性地在某些用戶經常訪問的地方插播廣告條。這樣，根據這些信息，網站的建設者就可以對特定的顧客群提供個性化廣告服務。這種廣告要比泛泛的、隨意的廣告有價值得多；（2）在強大的數據挖掘技術與全面的顧客資料數據基礎上，企業(yè)可以根據各個細分市場，甚至是每一個顧客的獨特需求來為他們設計“量身定造”的產品。高度細分化、定制化的產品有利于提高顧客滿意度，鞏固與他們的長久關系，最終達到留住顧客的目的；（3）針對顧客設計個性化網站。利用數據挖掘工具，電子商務網站可以做到以顧客需求為導向，達到一對一行銷的目的。網站將改變原有的千篇一律的形式，而強調信息個性化，亦即顧客所得到的信息將是網站針對其個人喜好、需求與特點的設定所給予的，也就是符合顧客的個人信息需求。例如顧客可以到一些新聞上去訂閱他喜歡看的信息類別，如政治新聞或科技新聞。當使用者再次拜訪此網站時，網站就會智能地只顯示出該顧客所喜歡看的信息。