摘 要：本文将关联规则应用于学生成绩数据中，对学生成绩数据进行深入分析，以期得出相关趋势，并结合数据挖掘结果，对成绩进行分析和预测，为教学管理和学生管理工作中提供相应的决策依据。
关键词：关联规则；稀有项；多最小支持度
务表。
表2.1 学生成绩表
Table2.1 grade table
对成绩的离散化：成绩的筛选条件为大于等于85分，大于等于85分的转化成布尔型数值”1”，而成绩小于85分的转化成布尔型数值”0”。
课程编码：将表2.1 学生成绩表中的课程名分别以K1,K2,…编码，如“英语”的编码为K1。
从学生成绩数据库中提取相关属性，为整个数据挖掘模块提供了数据挖掘对象。由于Apriori算法适用于事务库的数据挖掘，所以需要将关系表转换为相应的事务库。
本文将关系表中的除学号外的每个属性视为一个事务。每条记录中每个事物发生的标志为离散化后值为“1”。
例如，表2.1中的第二条记录，转化为事务：
{K7,K10,K11}
3、功能实现
3.1利用经典的Apriori 北京 北京大学出版社 2008.11 98-187.
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。 返回电子论文列表
