标签: 决策树

基于挖掘分析影响学生学习效果主因素为目的，采用了能够对数据进行挖掘分析并直观展示结果的决策树技术方法，通过某班学生某门课程的学习信息数据进行挖掘分析的试验，采用ID3和C4.5算法生成决策树，并使用后剪枝技术精简决策树，最终找出决定本门课程学习效果的主要因素-考勤。从而为分析学生学习情况，给予个性化提示与指导提供有效的建议。

为了将体育教师从繁杂的数据管理工作中解放出来，专注于提高教学质量，提出了一种基于数据挖掘的体育成绩管理系统。该体育成绩管理系统采用ASP.NET技术开发，选用SQLSever2005作为数据库平台，采用三层体系架构，实现了对体育成绩各个功能模块的管理；利用决策树ID3算法将录入的体育成绩进行相关分析，同时方便学校管理层的查询。系统经过测试，平均的相应时间为1秒钟，每秒平均的请求数量为97，用户平均的加载数为724，能够实现系统的全部功能，保障系统性能的稳定性，能够满足用户日常的需求。

传统数据挖掘方法不能清晰描述医学图像的特征信息和高分辨属性。为解决上述问题，提出一种基于决策树的海量医学图像数据挖掘方法。分析图像的简化属性分裂特点，并通过引入矫正函数的方式定义决策树分类堆，完成海量医学图像挖掘决策树分类规则的确定。在此基础上，利用医学图像目标识别和灰度直方特征提取结果，确定局部数据的挖掘引子，完成基于决策树的海量医学图像数据挖掘方法研究。模拟方法运行环境设计对比实验结果表明，与传统数据挖掘方法相比，应用基于决策树的海量医学图像数据挖掘方法后，医学图像特征信息、高分辨属性的描述清晰程度均得到20%左右的提升。

针对目前空气质量预报多采用传统的数值模型现状，例如空气污染指数法，本次研究通过决策树算法以及大规模的训练数据集建立空气质量预测模型。传统的评估模型是在各种污染参数的污染分指数都计算出以后，取最大者为该区域或城市的空气污染指数固定数值区间的划分来评估空气质量。而基于决策树算法的空气质量评估模型通过采用自顶向下的递归方式对数据进行处理，把一个无序、无规则的实例集合归纳成一组树形结构表示的分类规则，得到了将所有污染参数作为评估空气质量因素的评估模型，可以有效的避免传统的空气质量预报模型的不灵活、边界值不准确的特点。同时可以根据季节和地区等外部因素构建不同的空气质量预测模型以应对外部因素的变化，从而可以构建完整，精确，现代化的空气质量智能预测系统。