潘峰
?。▏?guó)家稅務(wù)總局稅務(wù)干部進(jìn)修學(xué)院，江蘇 揚(yáng)州 225007）
摘要：隨著終身學(xué)習(xí)體系的逐步構(gòu)建,，基于互聯(lián)網(wǎng)的遠(yuǎn)程學(xué)習(xí)模式應(yīng)用不斷普及,，各種網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)也不斷累積大量的學(xué)員學(xué)習(xí)和考試方面的數(shù)據(jù)。采用數(shù)據(jù)挖掘技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行分析,，可以充分挖掘網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)存量數(shù)據(jù)的價(jià)值,。基于C5.0決策樹算法,，采用軟件工具對(duì)研究數(shù)據(jù)進(jìn)行分析,，發(fā)現(xiàn)了影響考試結(jié)果的諸多因素及其重要性，可以針對(duì)如何改善學(xué)習(xí)方法,、提升學(xué)習(xí)效果,、改善平臺(tái)的服務(wù)模式等提出很好的改進(jìn)建議。
關(guān)鍵詞：決策樹,；考試結(jié)果,；預(yù)測(cè)
1網(wǎng)絡(luò)學(xué)習(xí)與考試
基于Internet的網(wǎng)絡(luò)學(xué)習(xí)是目前比較流行的遠(yuǎn)程學(xué)習(xí)模式，它打破了傳統(tǒng)學(xué)習(xí)的時(shí)空環(huán)境限制,，有利于構(gòu)建終身學(xué)習(xí)體系,。網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的學(xué)習(xí)內(nèi)容以Web頁面的形式呈現(xiàn)，具有費(fèi)用低廉,、資源更新快,、交互性強(qiáng)等特點(diǎn),，學(xué)員可以隨時(shí)隨地安排自己的學(xué)習(xí)時(shí)間，提高學(xué)習(xí)效率,。
網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)除了提供在線學(xué)習(xí)功能,，往往還提供隨堂練習(xí)、課程作業(yè),、課程考試等考試功能,。對(duì)學(xué)習(xí)者學(xué)習(xí)狀況的評(píng)估將直接影響他們對(duì)網(wǎng)絡(luò)學(xué)習(xí)的態(tài)度、積極性和效果［1］,?！皩W(xué)而時(shí)習(xí)之”，通過網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的考試功能進(jìn)行自我練習(xí)（考試）,、參加有組織的考試可以有效促進(jìn)學(xué)員學(xué)習(xí),，提高學(xué)習(xí)效果和針對(duì)性。
2決策樹與C5.0算法
決策樹的分析結(jié)果形似一棵倒置的樹,，所以稱為決策樹,。決策樹算法是一種逼近離散函數(shù)值的方法［2］，它通過構(gòu)造決策樹來發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)涵的分類規(guī)則,。決策樹構(gòu)造的輸入是一組帶有類別標(biāo)記的例子,，構(gòu)造的結(jié)果是一棵二叉樹或多叉樹［3］，由上到下依次為根節(jié)點(diǎn),、內(nèi)部節(jié)點(diǎn)和葉節(jié)點(diǎn),。決策樹通過對(duì)訓(xùn)練樣本的學(xué)習(xí)建立分類規(guī)則，依據(jù)此規(guī)則實(shí)現(xiàn)對(duì)新樣本的分類,，屬于有監(jiān)督的學(xué)習(xí)方法［4］,。
決策樹的類別包括分類決策樹和回歸決策樹，其中,，分類決策樹目標(biāo)變量為分類型數(shù)值，其輸出變量的眾數(shù)就是分類結(jié)果,。決策樹的分類過程是基于邏輯的,，每一個(gè)葉節(jié)點(diǎn)都對(duì)應(yīng)于一條布爾規(guī)則。樹的生長(zhǎng)過程（即建立決策樹的過程）就是把數(shù)據(jù)不斷進(jìn)行切分的過程,，每一次切分力求分成的各組之間的差異最明顯,。各種決策樹算法使用了不同的剪枝策略，它們的主要區(qū)別是對(duì)這種“差異”明顯程度的衡量方式,。
決策樹的構(gòu)建過程是一個(gè)遞歸的過程,，所以需要確定停止條件。最直觀的方式是當(dāng)每個(gè)子節(jié)點(diǎn)只有一種類型的記錄時(shí)停止,，但往往會(huì)導(dǎo)致過度擬合（樹的節(jié)點(diǎn)太多）,。另一種方法是設(shè)置當(dāng)前節(jié)點(diǎn)中的記錄數(shù)最小閾值,，將置信度最大的分類作為當(dāng)前葉節(jié)點(diǎn)的分類。
作為一種分類決策樹模型算法,，C5.0可以生成決策樹或規(guī)則集,。C5.0算法基于信息增益度分裂方式，第一次拆分確定樣本子集,，然后根據(jù)另一個(gè)字段再次拆分,，這一過程重復(fù)進(jìn)行直到樣本子集不能被拆分為止［4］。C5.0算法以信息熵的下降速度（能夠帶來最大信息增益的變量）作為確定最佳分支變量和分割閾值的依據(jù),。熵是對(duì)樣本不確定性的一種度量［5］,。一個(gè)系統(tǒng)越是有序，信息熵就越低,；反之,，一個(gè)系統(tǒng)越是混亂，信息熵就越高,。
3C5.0決策樹算法在考試結(jié)果預(yù)測(cè)中的應(yīng)用
3.1數(shù)據(jù)挖掘工具
SPSS Clementine是SPSS公司收購取得的數(shù)據(jù)挖掘工具,。SPSS Clementine 12.0結(jié)合商業(yè)技術(shù)可以快速建立預(yù)測(cè)性模型，幫助用戶改進(jìn)決策過程,。Clementine廣泛支持Kmeans模型,、C5.0決策樹、神經(jīng)網(wǎng)絡(luò)等各種預(yù)測(cè)模型,。
3.2數(shù)據(jù)準(zhǔn)備
本文研究的數(shù)據(jù)對(duì)象為某網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)導(dǎo)出的2015年課程學(xué)習(xí)和課程考試情況數(shù)據(jù)（學(xué)員學(xué)習(xí)課程與考試結(jié)果）,；數(shù)據(jù)格式為“課程學(xué)習(xí)與考試情況”Excel表；操作系統(tǒng)采用Windows 7 Professional 32 bit,；硬件配置：內(nèi)存為4 GB,。
該學(xué)習(xí)平臺(tái)目前擁有注冊(cè)學(xué)員近2 000人，提供標(biāo)準(zhǔn)格式課件點(diǎn)播服務(wù),，還提供課程同步模擬考試服務(wù),。“課程學(xué)習(xí)與考試情況”表記錄了用戶學(xué)習(xí)過的課程的次數(shù),、時(shí)間,，還記錄了該課程同步模擬考試的結(jié)果，具體字段為“所屬部門”,、“用戶名”,、“姓名”、“課程名稱”,、“考核狀況”,、“學(xué)習(xí)次數(shù)”、“學(xué)習(xí)總時(shí)長(zhǎng)”,，記錄共有18 476條,。部分示例如表1所示,。
3.3數(shù)據(jù)處理
通過對(duì)數(shù)據(jù)格式和內(nèi)容的調(diào)整、完善,，可以使得建立的模型更簡(jiǎn)單,、準(zhǔn)確［6］。
為了構(gòu)造新的衍生特征信息,，這里增加一個(gè)輸入字段,，使用WPS 表格10.1軟件增加“次平均學(xué)習(xí)時(shí)長(zhǎng)”列，列值為使用公式計(jì)算學(xué)習(xí)總時(shí)長(zhǎng)/學(xué)習(xí)次數(shù)的結(jié)果,。
由于直接使用表格文件,，這里無需添加本地?cái)?shù)據(jù)源，在Clementine軟件中直接添加Excel“源”節(jié)點(diǎn),，命名為“學(xué)習(xí)考核情況”,，導(dǎo)入對(duì)應(yīng)的數(shù)據(jù)文件和工作表。在“過濾”中配置字段篩選,，縮小處理范圍,，清除無用字段（如“所屬部門”、“用戶名”,、“姓名”字段）,，如圖1所示。預(yù)處理后的總數(shù)據(jù)記錄數(shù)不變（圖1字段過濾數(shù)據(jù)格式如表2所示）,。添加“類型”節(jié)點(diǎn)設(shè)置各字段“數(shù)據(jù)類型”和“方向”,，“考核狀況”對(duì)應(yīng)“標(biāo)志”類型，“學(xué)習(xí)次數(shù)”對(duì)應(yīng)“集”類型,，“次平均學(xué)習(xí)時(shí)長(zhǎng)”對(duì)應(yīng)“范圍”類型,，如圖2所示。
通過“重新分類”節(jié)點(diǎn)對(duì)學(xué)習(xí)次數(shù)進(jìn)行規(guī)范化分類,，這里根據(jù)數(shù)據(jù)密度分為“1+”,、“5+”、“10+”,、“30+”,，分別代表1≤學(xué)習(xí)次數(shù)圖2數(shù)據(jù)類型≤4、5≤學(xué)習(xí)次數(shù)≤9,、10≤學(xué)習(xí)次數(shù)≤29、學(xué)習(xí)次數(shù)≧30,，生成新字段名“學(xué)習(xí)總次數(shù)分段”,。
3.4利用C5.0決策樹算法進(jìn)行數(shù)據(jù)挖掘
繼續(xù)添加一個(gè)C5.0節(jié)點(diǎn)，對(duì)數(shù)據(jù)進(jìn)行挖掘,，配置目標(biāo)字段“考核情況”,，輸入字段為“學(xué)習(xí)總次數(shù)分段”,、“次平均學(xué)習(xí)時(shí)長(zhǎng)”，“模型”中配置選擇使用分區(qū)數(shù)據(jù),，輸出類型為“決策樹”,，選擇“組符號(hào)”（使用分箱法檢查當(dāng)前分組變量的各類別能否合并，如果可以先合并再分枝,，此方法得到的決策樹相對(duì)精簡(jiǎn)）,，修剪嚴(yán)重性（置信度）設(shè)置為75%，子分支最小記錄數(shù)為200,。
Clementine從讀入數(shù)據(jù)到結(jié)果顯示的數(shù)據(jù)挖掘全過程,，是以流程圖的形式顯示在數(shù)據(jù)流程區(qū)內(nèi)的，如圖3所示,。每個(gè)節(jié)點(diǎn)規(guī)定了數(shù)據(jù)的不同操作,，箭頭表示數(shù)據(jù)流向，各種操作組合起來就形成了通向目標(biāo)的路徑,。將前面的節(jié)點(diǎn)相連接,，執(zhí)行結(jié)果“考核結(jié)果”會(huì)出現(xiàn)在軟件主界面右上角管理器“模型”中，瀏覽這個(gè)模型可以看到數(shù)據(jù)圖3Clementine數(shù)據(jù)流程區(qū)
挖掘結(jié)果,。需要注意的是,，可以對(duì)各節(jié)點(diǎn)添加輸出節(jié)點(diǎn)“表”觀察各節(jié)點(diǎn)數(shù)據(jù)情況（可以將模型結(jié)果添加進(jìn)數(shù)據(jù)流程區(qū)并輸出）。
針對(duì)實(shí)驗(yàn)數(shù)據(jù)執(zhí)行決策樹模型“考核結(jié)果”,，生成規(guī)則集（如圖4所示）和決策樹模型（如圖5所示）,。
3.5考試結(jié)果預(yù)測(cè)模型解讀
次平均學(xué)習(xí)時(shí)長(zhǎng)≤0.17小時(shí)的學(xué)員，“未通過”考試的可能性為88.4%,；次平均學(xué)習(xí)時(shí)長(zhǎng)>0.17小時(shí)的學(xué)員,，通過考試的可能性為81.4%。次平均學(xué)習(xí)時(shí)長(zhǎng)≦0.17小時(shí)且學(xué)習(xí)次數(shù)低于5次的學(xué)員,，“未通過”考試的可能性為96%,；次平均學(xué)習(xí)時(shí)長(zhǎng)>0.17小時(shí)且學(xué)習(xí)次數(shù)超過5次的學(xué)員，通過考試的可能性為97.8%,。在決定考試是否通過的因素中,，“次平均學(xué)習(xí)時(shí)長(zhǎng)”最重要，其次是“學(xué)習(xí)次數(shù)”,。從實(shí)際經(jīng)驗(yàn)角度看,，每次學(xué)習(xí)時(shí)間較長(zhǎng)且學(xué)習(xí)次數(shù)較多的學(xué)員，通過考試的概率可能會(huì)較大,。根據(jù)該網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的課程學(xué)習(xí)和考試數(shù)據(jù),，并使用較為先進(jìn)的Clementine數(shù)據(jù)挖掘軟件構(gòu)建的C5.0決策樹模型，量化反映了網(wǎng)絡(luò)學(xué)習(xí)和考試的這一現(xiàn)象；又由于軟件建模時(shí)采用分區(qū)數(shù)據(jù),，提高了模型在不同樣本集上的穩(wěn)健性,，因此獲得的預(yù)測(cè)模式較為可信。
各類網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)可以參考此模型更好地指導(dǎo)學(xué)員在線學(xué)習(xí),，有針對(duì)性地提出學(xué)習(xí)建議,，如提醒學(xué)員上網(wǎng)學(xué)習(xí)和學(xué)習(xí)次數(shù)等；也可以進(jìn)一步針對(duì)學(xué)員進(jìn)行聚類分析,，深度定制課件資源和服務(wù)內(nèi)容,，如開發(fā)移動(dòng)客戶端，提高用戶訪問平臺(tái)的便捷性等,。
4結(jié)論
隨著網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的發(fā)展和提升,，為更好地貼近用戶需求，深化學(xué)習(xí)效果,，應(yīng)當(dāng)關(guān)注業(yè)務(wù)提升需求,，充分挖掘海量的學(xué)習(xí)和考試數(shù)據(jù)，研究并發(fā)現(xiàn)決定學(xué)習(xí)效果的關(guān)鍵因素,。C5.0算法在面對(duì)輸入字段較多的問題時(shí)比較穩(wěn)健,，也易于理解，同時(shí)也擅長(zhǎng)處理非數(shù)值型數(shù)據(jù),，可以在網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)關(guān)鍵問題預(yù)測(cè)中發(fā)揮更大的作用,。
參考文獻(xiàn)
［1］ 岳偉.建構(gòu)主義學(xué)習(xí)理論指導(dǎo)下的自學(xué)考試網(wǎng)絡(luò)助學(xué)策略設(shè)計(jì)［J］.考試研究,2015(1):915.
?。?］ 張軍.數(shù)據(jù)挖掘中自我學(xué)習(xí)算法研究［J］.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2014(11):171,173.
?。?］ 陳承斌.基于決策樹算法分析惡意網(wǎng)絡(luò)攻擊和入侵［J］.信息與電腦(理論版),2010(7):15.
［4］ 陳春茶.數(shù)據(jù)挖掘技術(shù)在移動(dòng)商務(wù)客戶價(jià)值識(shí)別中的應(yīng)用研究［D］．昆明：云南大學(xué),，2012.
?。?］ 宋海霞,嚴(yán)馨,于正濤,等.基于半監(jiān)督主動(dòng)學(xué)習(xí)的虛假評(píng)論檢測(cè)［J］.昆明理工大學(xué)學(xué)報(bào)（自然科學(xué)版）,2015,40(5):5965.
［6］ 張線媚.數(shù)據(jù)挖掘在電信行業(yè)客戶流失預(yù)測(cè)中的應(yīng)用［J］.微型機(jī)與應(yīng)用,2015,34(15):99102.