利用K-means聚类分析技术分析学生成绩

1、摘要：数据挖掘是在海量的数据中寻找模式或规则的过程。数据聚类则是数据挖掘中 性尽量大，而不同簇的数据对象相异性尽量大。 类算法分析学生对哪个专业的强弱选择，从而为具有不同成绩特征的同学在专业选择及分专 业后如何开展学习提供一定的参考意见。r the inherent relationship between things. Clustering is to partition data objects into different in education field. With the increase of enrollment in universities, there are mor

2、e and more n their用这些数据，从中找出潜在的规律。那么，如何从大量的数据中提取并发现有用信息 生成绩分析是高校管理工作的一个重要组目前来看。各高校随着招生规模的扩大，信息量大幅度增加，学校运行着各类管理系统，存在着各类数据库，如有成绩管理，学籍管理等。这些系统积累了大量的数据，在 发现潜在规律，提高学校管理的决策性，是 很多高校正在考虑的问题。目前将数据挖掘技术与学校学生成绩 律及模式，促使学校更好地开展教学工作， 划，使学生成绩管理系统的功能能够更加完 善。目前，在高校学生成绩管理中，影响学 仓库中的数据，它执行关联、分类、预测、应用范围也相对较广。简单的分析结果，往往还是

3、基于教学本身。要进一步分析，从而得出结论，为教学管理人员及学生做出相应的决策。1.3 研究意义利用数据挖掘聚类技术挖掘发现课程与课程之间，或者每门课程中的知识点之 据发挥其真正的价值，为了解决这一问题， 可以利用数据挖掘技术对这些数据进行合 师在教学中的工作。论概述 识别、并行计算、机器学习、数据库系统、 聚类分析是数据挖掘中的一个重要研其具有最大的组内相似性和最小的组间相似性。聚类分析的算法可以分为以下几类：划分方法、层次方法、基于密度方法等，其类，属于聚类分析方法中一种基本的且应用3.1 数据准备及预处理本文在数据挖掘过程当中所使用的3.1 数据准备及预处理本文在数据挖掘过程当中所使用的工

4、 WEKAWEKA所支持的数据格式 V 各个簇中心的距离，将它赋给最近的簇。然重复，直到准则函数收敛。ii=1 xCi ，E = k ii=1 xCi ，其中 E 是数据库所有对象的平方误2.4 聚类分析工具软件(WEKA)( Waikato Environment for KnowledgeAnalysis)，是一款免费的，非商业化(与之对应的是 SPSS 公司商业数据挖掘产品-Clementine )的，基于JAVA 环境下开源的机器学习(Machine Learning)以及数据挖掘(DataMining)软件。该软件的缩写打开WEKA打开WEKA 软件的Exporler 菜单,点击 O

5、pen file 按钮，打开刚得到的“Mark.csv” Save”按钮，在弹出的对话框 “Mark.arff”。应用 才得到的“Mark.arff”,出现下面的窗口， WEKA 作为一个公开的数据挖掘工作回归，聚类，关联规则以及在新的交互式界面上的可视化。而开发者则可使用 Java 语言，利用 WEKA 的架构上开发出更多的数挖掘算法的话，可以看一看 WEKA 的接口文档。在 WEKA 中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很对数据应用对应各类数据挖掘算法的界面，尤其对于成绩管理系统中大都是数值的数据。因此，选用 WEKA 工具来对高校学生成绩分析能够得到很有效的结果。 在 Cluster0 簇里的实例，占总实例的32%，其中男生相对较多，这类学生在分专识的同学可以选择硬件方向识的同学可以选择硬件方向。在 Cluster1 簇里的实例，占总实例的 别能力的同学可以选择网络方向。及分析右击左下方“ Result list ”列出的结 示