数据挖掘课程设计

枣庄学院

信息科学与工程学院课程设计任务书题目：数据挖掘在期末成绩评估中的应用

小组成员：赵尊强、桂文学

成员学号：2、 2

专业班级：计算机科学与技术、2012级本1班

课程：数据挖掘

指导教师：迟庆云职称：副教授

完成时间：2015年5 月----------------2015年6 月

枣庄学院信息科学与工程学院制

2015年5 月20日

课程设计任务书及成绩评定

2.2逻辑模型设计

本数据仓库只有一个表，逻辑模型设计如下：

2.3物理模型设计

在数据仓库的物理设计中，主要解决数据的存储结构、数据的索引策略、数据的存储策略、存储分配优化等问题。物理设计的主要目的有两个，一是提高性能，二是更好地管理存储的数据。访问的频率、数据容量、选择的RDBMS 支持的特性和存储介质的配置都会影响物理设计的最终结果。在本数据挖掘中，数据的索引策略采取的并不是位图索引而是按列索引

scor

lasttest

performa

nce

averscore

2.4 OLAP模型设计

在本设计中由于案例考虑的并不复杂，所以OLAP模型设计也就比较的简单。

下面的数据是保存在Excel中的。大概的模型设计也就如下图所示。

2.5 OLAP前端展示设计

3数据挖掘分析

3.1 期末成绩评估系统应用挖掘概述

在本系统中，数据仓库采用一个二维表来存储和表示同学们的平时成绩，平时表现得分，以及期末成绩等属性。数据挖掘则采用关联分析来将二维表中的实例分开，并探究这些数据所蕴含的规律。

3.2.3

实验内容 （输入数据集，选择算法，输出结果，比较分析）

建立一个Analysis Services Project的项目，在数据源中输入数据集：

说明：以上实验室在实验室做的，由于时间不够，回到宿舍自己安装了

中文版的SQL SERVER工具，并完成接下来的实验步骤。

3.2.4 算法选择

分类的任务是通过分析由已知类别数据对象组成的训练数据集，建立描述并区分数据对象类别的分类函数或分类模型（也常常称作分类器）。

分类算法有多种，例如，决策树分类算法、神经网络分类算法、贝叶斯分类算法等。这里需要用的是决策树分类算法。

在本挖掘中选择是关联分析，分析过程和结果如以下图所示：

下面是挖掘模型：

关联规则：

项集：

说明（项集是比较准确的）分类矩阵：

依赖关系网络图：

提升图：

通过整合做出散点图如下图：

通过以上的分析，我们得出一个结论，就是期末成绩在最终得分中所占的比例最大，平时成绩和平时表现的权重差不多，在这个结论中，期末考试的成绩的重要性，不言而喻，增加期末考试的成绩，最能提高最终成绩，平时成绩和表现的得分也很重要，但相对权重没有期末成绩大。一个分数高的学生，他的所有成绩都应该是很高的。

4小结

由于团队技术水平有限，在开发过程中遇到了很多技术问题，不过大多数都是一些小的细节问题，花了很长时间。

还有就是由于对软件的不熟练，然后经常会搞错多对一等的关系，或者是一些属性的不对应，最后通过同学的帮忙，帮我查找到错误，并帮我们改正。

经过几个星期的课程设计，过程曲折可谓一语难尽。生活就是这样，汗水预示着结果也见证着收获。通过这次的设计培养了我综合应用所学知识，发现、提出、分析和解决实际问题，锻炼了我的实践能力。