數(shù)據(jù)挖掘大作業(yè)
下載鏈接：【數(shù)據(jù)挖掘大作業(yè)】基于決策樹的評教指標篩選（weka使用手冊+數(shù)據(jù)+實驗報告）
一、考核內(nèi)容
現(xiàn)有某高校評教數(shù)據(jù)(pjsj.xls)，共計842門課程，屬性包括：課程名稱、評價人數(shù)、總平均分以及10個評價指標Index1-Index10。指標內(nèi)容詳見表1。
表1 學生評教指標體系及權(quán)重
| 序 號 |
指????? 標 |
權(quán)重（10%） |
| Index1 |
老師在第一節(jié)課能向我們介紹本課程的基本情況：課程在專業(yè)學習中的地位作用、課程性質(zhì)(必修課還是選修課)、授課計劃、考核性質(zhì)和方式(考試課還是考查課、閉卷還是開卷等)，本課程教學中課外作業(yè)、測驗、期中與期末考試及實驗（針對有實驗的課程）等環(huán)節(jié)的評分比例。 |
10 |
| Index2 |
老師嚴格按照課程教學大綱和授課計劃所規(guī)定的教學內(nèi)容、基本要求和教學進度進行教學，不任意增減課時和刪減教學內(nèi)容。 |
10 |
| Index3 |
老師著裝整潔，儀表大方；講課語言準確、簡練、生動、清楚，板書工整、文字規(guī)范，積極采用現(xiàn)代化教學手段以提高教學效果。 |
10 |
| Index4 |
老師在上課中，理論闡述準確，概念清晰，條理分明，邏輯性強；重點突出、難點分散；改進教學方法，做到教學相長，師生互動。 |
10 |
| Index5 |
上課中，老師注意激發(fā)我們積極思維，融會貫通所學知識，培養(yǎng)我們獨立思考和分析、解決問題的能力；不斷更新講課內(nèi)容，及時傳遞本學科發(fā)展的信息。 |
10 |
| Index6 |
老師重視檢查我們的出勤情況，根據(jù)實際情況采取抽查點名等方式；注意維持課堂秩序，教育督促我們遵守課堂紀律。 |
10 |
| Index7 |
老師在上課時關(guān)閉通信設(shè)備，提前到達課堂做好課前準備工作，不提前下課。 |
10 |
| Index8 |
老師注意了解我們的學習情況、解答疑難問題，引導我們學習；給我們提供了答疑的時間、地點、方式，在這一時間內(nèi)，我們有問題都能找到老師解答。 |
10 |
| Index9 |
老師在輔導答疑時耐心細致，主動進行質(zhì)疑，督促我們學習。 |
10 |
| Index10 |
老師批改作業(yè)認真、及時；指出了作業(yè)中的錯誤之處，并糾正我們的錯誤。 |
10 |
以此為研究數(shù)據(jù)，利用數(shù)據(jù)挖掘的技術(shù)實現(xiàn)評價指標的篩選，即從10個指標中剔除對教學評價無用的指標。具體實現(xiàn)的內(nèi)容應(yīng)至少包括以下幾個方面但不限于：
（1）數(shù)據(jù)描述：利用盒圖對每個指標數(shù)據(jù)進行描述性分析，畫出10個指標的盒圖：標注孤立點（如有）、最小值、Q1、中位數(shù)、Q3、最大值；
（2）數(shù)據(jù)預處理：將每個連續(xù)型指標數(shù)據(jù)離散化為三個區(qū)間，級別從高到低分別為Excellent（用“E”表示）、Good（用“G”表示）、Fair（用“F”表示）；將總平均分離散為“A”、“B”、“C”三個等次，作為每門課程的類標簽；
（3）模型構(gòu)建與評估：利用決策樹算法對上述數(shù)據(jù)進行分類，構(gòu)建決策樹并進行性能評估：包括Recall（召回率）、Precision（精度）、F1和Accuracy（準確率）；
（4）結(jié)果討論：對研究結(jié)果（剔除的指標，即未出現(xiàn)決策樹中的指標）進行討論分析；
（5）總結(jié)與展望：對全文研究過程進行總結(jié)并指出存在的不足或努力方向。
第一章 ?緒 論
1.1 研究背景
? ?????????教學評價是衡量高校教學質(zhì)量的重要指標。它也是教學環(huán)節(jié)的基本組成部分。它關(guān)系到學生的學習效果和就業(yè)質(zhì)量，目前的教學質(zhì)量評價大多按照以下程序進行：一是教學主管部門結(jié)合學校實際情況制定評價指標和評價權(quán)重，然后通過網(wǎng)絡(luò)對評價量表進行逐項打分。最后，教學管理部門根據(jù)網(wǎng)絡(luò)分數(shù)劃分教學質(zhì)量評價等級，并以此作為評價教師優(yōu)秀和年度評價的重要參考。通常，評價主體采用多元化方式，包括學生評價、同行互評、專家評價等[1-4]，網(wǎng)絡(luò)系統(tǒng)評分后，每個評價部分根據(jù)其重要性占據(jù)不同比例，如何合理利用數(shù)據(jù)挖掘技術(shù)對大量的教學評價數(shù)據(jù)進行處理和分析，發(fā)現(xiàn)隱藏在其背后的有價值信息，更好地服務(wù)于教師和教學管理部門，已成為亟待解決的問題[5-7] 。
第二章 ?數(shù)據(jù)描述
2.1 盒圖（我用的spssau畫的）
數(shù)據(jù)描述：利用盒圖對每個指標數(shù)據(jù)進行描述性分析，畫出10個指標的盒圖：標注孤立點（如有）、最小值、Q1、中位數(shù)、Q3、最大值
第三章 ?數(shù)據(jù)預處理
3.1數(shù)據(jù)預處理
????????數(shù)據(jù)預處理：將每個連續(xù)型指標數(shù)據(jù)離散化為三個區(qū)間，級別從高到低分別為Excellent（用“E”表示）、Good（用“G”表示）、Fair（用“F”表示）；將總平均分離散為“A”、“B”、“C”三個等次，作為每門課程的類標簽；
3.1.1原始數(shù)據(jù)
????????將原視數(shù)據(jù)導入weka中以后，在屬性中remove“課程名稱”和“評價人數(shù)”，然后將數(shù)據(jù)可視化，結(jié)果如下：
3.1.2數(shù)據(jù)離散化
????????使用weka的Filter中Discretize把10個連續(xù)型指標數(shù)據(jù)（Index）離散化為三個區(qū)間，級別從高到低分別為Excellent（用“E”表示）、Good（用“G”表示）、Fair（用“F”表示），將總平均分離散為“A”、“B”、“C”三個等次，作為每門課程的類標簽，結(jié)果如下：
?
第四章 ?模型構(gòu)建與評估
4.1.模型構(gòu)建與評估
????????模型構(gòu)建與評估：利用決策樹算法對上述數(shù)據(jù)進行分類，構(gòu)建決策樹并進行性能評估：包括Recall（召回率）、Precision（精度）、F1和Accuracy（準確率）。
4.2模型構(gòu)建
分類算法使用C4.5決策樹學習算法（J48）:
模型評估方法選擇Percentage spilt 66%：
決策樹模型：文章來源：http://www.zghlxwxcb.cn/news/detail-492883.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-492883.html
到了這里，關(guān)于【數(shù)據(jù)挖掘大作業(yè)】基于決策樹的評教指標篩選（weka+數(shù)據(jù)+報告+操作步驟）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
