《大学生数据挖掘的案例及分析》由会员分享，可在线阅读，更多相关《大学生数据挖掘的案例及分析（4页珍藏版）》请在金锄头文库上搜索。
1、大学生数据挖掘的案例及分析案例“上大学分析”体验什么是数据挖掘某社会机构，收集了大量的学生考大学的数据。该机构希望找出一些规 律，以推动更多的学生考大学。该机构委托你来做这个分析工作，给出具体的 可以推动更多学生考大学的建议。收集到的数据如下：姓名性别IQ家庭年收入兄弟姐妹数量有上大学计划否张三男11O100,000O无李四男10OSg.ooo1有刘五女旳10003马六男121183000i赵七女72有王八女135163,0000无牛九男1O336,0001有你会怎样分杠这些数据呢?你可能会考虑用SQL语句进行查询分析。但问题是:1. 用什么语句查呢？要组合什么条件呢？2. 你想查到怎样的结果
2、呢？这个结果对决策有帮助吗？那数据挖掘一下吧！但如何挖掘呢？不了解数据挖掘的人，往往会认为只需要让计算机去挖掘一下，计算机就能帮我们找出想要的东西。计算机哪会这样神奇，在数据挖掘之前，我们必须 要自己好好分析一下。1. 明确挖掘的目标。我们看看原始需求是这样的:该机构希望找出一些规律，以推动更多的学 生考大学。你可能会说：该目标也太大了一点吧！现在该机构委托你做这个事情，人家不是专业人士，你还指望人家什么都帮你做好吗？那要你干嘛！我们仔细分析一下，原始数据有姓名、性别、IQ、家庭年收入、兄弟姐妹数量、是否想上大学字段，要推动更多学生考大学，我们无非就是要分析出：1）有上大学计划的人主要原因是什
3、么呢？2）无上大学计划的人主要原因是什么呢？ 分析出这些原因，就可以提出针对性的建议了。2. 明确因果关系看下面这个图：家庭收入性别兄弟姐妹数量、 /1Q有上大学计划否？结果可预测列可能的影响因素（输入列）规律是怎样的呢?对原始数据表进行分析，我们可以推论出：家庭收入、性别、兄弟姐妹数 量、IQ这些因素，很可能会影响有否上大学计划。至于姓名会不会影响，我们 可以用常识判断应该不会，故可以排除。这样我们就可以确定输入列有：家庭收入、性别、兄弟姐妹数量、IQ，可 预测列为：有上大学计划否。数据挖掘的目标就是找出输入列与可预测列的关系，只要找到这个规律， 就可以提出针对性的建议，也可以利用这个规律做
4、预测。3. 选择分析方法以上工作准备就绪后，我们就需要选择合适的分析方法来数据挖掘了。我们选择“决策树”的方法，下面是决策树的部分分析结果：兄弟姐妹数量OYes 予5%NO 45%Ves 35%NO 65%Yes 69%NO 31%Yes 42%NO 58%Yes 96%NO 6%Yes 82%NO 18%年收入A巧0,00?/年收入兰巧0、OOO兄弟姐妹数量衫/= 100说明：1.最上面的一个节点表示有 55%的人有计划上大学，45%的人没有计划。2第二层节点，以IQ为条件进行划分，IQ大于100的人中，有上大学计 划的人有79%之多，而IQ小于等于100的人，有上大学计划的人只有35%，
5、这说明 IQ 是很重要的影响因素。3第三层节点是年收入，第四层是兄弟姐妹数量。4决策树算法会分析原始数据，将影响程度最大的因素排在上面，次之的 因素排在后面。4分析数据挖掘结果由上面的分析，我们可以得到这样的一些信息：1越是IQ高的越有上大学的计划。2.家庭收入越高，越有上大学计划。3. 兄弟姐妹越多，上大学计划就越小。4. 性别没有在这棵树出现，说明性别对有否上大学计划没有明显影响。5. 建议 接下来我们就可以提出针对性的建议，以推动更多人考大学： 1.大学学位有限，目前重点应该是鼓励更多的聪明的学生考大学。2.聪明的学生不计划上大学，主要原因是家庭收入低、兄弟姐妹多，针对 这样的情况，政府可考虑降低大学学费，或对低收入、多子女的家庭进行资 助。
