黃春華，陳忠偉，李石君

(1.武漢大學(xué) 計算機(jī)學(xué)院，湖北 武漢 430072；2.廣西英華國際職業(yè)學(xué)院 工信學(xué)院，廣西 欽州 535000)

貝葉斯決策樹方法在招生數(shù)據(jù)挖掘中的應(yīng)用

黃春華1,2，陳忠偉2，李石君1

(1.武漢大學(xué) 計算機(jī)學(xué)院，湖北 武漢 430072；2.廣西英華國際職業(yè)學(xué)院 工信學(xué)院，廣西 欽州 535000)

文中首先簡單介紹了貝葉斯決策樹方法的基本思想，該方法結(jié)合了貝葉斯分類的先驗信息方法和決策樹分類的信息增益方法的優(yōu)點，加入貝葉斯節(jié)點彌補(bǔ)了決策樹不能處理具有二義性或存在缺失值數(shù)據(jù)的缺點。在此基礎(chǔ)上，文中設(shè)計了一種基于樸素貝葉斯方法和ID3算法的貝葉斯決策樹算法——NBDT-ID3算法，并給出了該算法的設(shè)計及分析過程。然后將該算法應(yīng)用到高職招生數(shù)據(jù)挖掘中，對新生報到情況進(jìn)行分析與預(yù)測，并在Matlab環(huán)境下進(jìn)行了實驗驗證。實驗結(jié)果表明，NBDT-ID3算法在付出一定時間代價的情況下，不僅可以獲得更高的分類精度，而且在處理二義性、不完整或不一致數(shù)據(jù)方面具有更好的效果。

數(shù)據(jù)挖掘；貝葉斯決策樹；分類；招生數(shù)據(jù)；報到預(yù)測

招生工作一直是民辦高職院校工作的重中之重，因為生源是其生存之本。如何有針對性地開展招生工作，既能提高新生的報到率又能節(jié)省招生成本，一直是民辦高職院校非常關(guān)心的問題之一。數(shù)據(jù)挖掘技術(shù)是通過分析大量不完整的、模糊的、隨機(jī)的數(shù)據(jù)來發(fā)現(xiàn)隱藏的、潛在有用的知識和規(guī)則的過程[1]。學(xué)?？梢酝ㄟ^結(jié)合數(shù)據(jù)挖掘技術(shù)和招生工作經(jīng)驗，對歷年招生數(shù)據(jù)進(jìn)行分析，從中尋找到有價值的信息，以此指導(dǎo)學(xué)校制定合理的招生計劃，將有限的人力物力用在能“產(chǎn)出”大量生源的地方，提高新生報到率，達(dá)到招生效益最大化。

目前用于招生數(shù)據(jù)挖掘的方法有關(guān)聯(lián)規(guī)則、決策樹分類、支持向量機(jī)等[2-3]，但是每一類方法都有一定的應(yīng)用局限性。決策樹分類算法是以實例為基礎(chǔ)的歸納學(xué)習(xí)算法，通過信息增益來構(gòu)建決策樹，只需要在訓(xùn)練和測試這兩個階段進(jìn)行簡單的比較，對數(shù)據(jù)類別的要求不高，計算過程簡單，主要著眼于從一組給定的無次序、無規(guī)則樣本數(shù)據(jù)中推理出以決策樹表示的分類規(guī)則，結(jié)果表現(xiàn)直觀[4]。但是該類算法的主要缺點是對缺失或二義性數(shù)據(jù)難以產(chǎn)生正確的分支，以致影響整個決策樹的生成，從而降低了分類的準(zhǔn)確性[4]。針對這個不足之處，可以將貝葉斯分類方法引入決策樹學(xué)習(xí)模型中，前者具有堅實的數(shù)學(xué)基礎(chǔ)且算法具有簡單直觀、易實現(xiàn)、時空開銷小、健壯性小等優(yōu)點[5]。這樣不僅可以更好地處理包含不一致性或不完整等非規(guī)律性數(shù)據(jù)的集合，還可以將先驗知識與概率背景融入決策樹分類模型中[6]。

目前基于貝葉斯決策樹的數(shù)據(jù)挖掘算法已經(jīng)得到許多學(xué)者的研究并被應(yīng)用到不同的領(lǐng)域中。尹婷等[7]將基于貝葉斯決策樹的方法應(yīng)用到電信企業(yè)客戶流失分析與預(yù)測中；徐哲等[8]將貝葉斯決策樹方法應(yīng)用到識別英文現(xiàn)在分詞的詞性中；王琦[9]構(gòu)建了一種基于貝葉斯決策樹算法的垃圾郵件識別機(jī)制。

在簡單介紹了貝葉斯決策樹方法基本思想的基礎(chǔ)之上，文中詳細(xì)給出了一種基于樸素貝葉斯方法和ID3算法的貝葉斯決策樹分類算法，并根據(jù)民辦高職院校招生工作及其數(shù)據(jù)特點，將該算法應(yīng)用到高職招生數(shù)據(jù)挖掘中，主要對新生報到情況的分析與預(yù)測進(jìn)行了初步研究。

1 貝葉斯決策樹方法

1.1 貝葉斯分類方法

貝葉斯分類方法基于貝葉斯定理，其關(guān)鍵在于使用概率表示各種形式的不確定性，即通過變換事件的先驗概率及后驗概率，配合決定分類特性的各屬性彼此間是相互獨(dú)立的假設(shè)來預(yù)測分類的結(jié)果[10]。下面以樸素貝葉斯(Na?ve Bayesian)分類方法為例，給出一個貝葉斯分類方法的工作過程[11-12]。

(1)設(shè)D是訓(xùn)練元組和它們相關(guān)聯(lián)的類標(biāo)號的集合，通常每個元組用一個k維屬性向量X=(x1,x2,…,xk)表示，描述由k個屬性A1,A2,…,Ak對元組的k個測量。

(2)假定有l(wèi)個類別C1,C2,…,Cl，給定元組X，分類法將預(yù)測X屬于具有最高后驗概率的類別(在條件X下)。根據(jù)貝葉斯定理的公式可得：

(1)

其中：p(Ci)是先驗概率；p(Ci|X)是后驗概率。

由此可知，樸素貝葉斯分類法預(yù)測X屬于類別Ci當(dāng)且僅當(dāng)p(Ci|X)>p(Cj|X)，其中1≤j≤l，且i≠j。

(4)當(dāng)給定的數(shù)據(jù)集中具有許多屬性時，計算p(X|Ci)的開銷可能會很大，可以通過做類條件獨(dú)立的樸素假定來降低計算開銷。因此有：

(2)

(5)為了預(yù)測X的類別標(biāo)號，對每個類別Ci，計算p(X|Ci)p(Ci)。則樸素貝葉斯分類法預(yù)測X屬于類別Ci可最終表述為當(dāng)且僅當(dāng)p(X|Ci)p(Ci)>p(X|Cj)p(Cj)，其中1≤j≤l，i≠j。根據(jù)式(2)可進(jìn)一步得到：

(3)

即被預(yù)測的類別標(biāo)號是使p(X|Ci)p(Ci)最大的類Ci。

1.2 決策樹

決策樹(Decision Tree)又稱為判定樹，是一種以樹狀結(jié)構(gòu)形式來表達(dá)的預(yù)測分析模型，是數(shù)據(jù)挖掘技術(shù)中一種重要的分類方法。根據(jù)給定的一個類標(biāo)號未知的實例，可以在決策樹上測試該實例的屬性值，并跟蹤一條由根到葉子節(jié)點的路徑，則該葉子節(jié)點就存放著該實例的類預(yù)測。決策樹的主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理[4]。圖1是一棵決策樹。

圖1 決策樹舉例

1.3 貝葉斯決策樹方法簡介

定義：在原有決策樹的兩個屬性測試節(jié)點之間加入一個能夠根據(jù)貝葉斯原理進(jìn)行函數(shù)計算[13]的新節(jié)點，該節(jié)點即是貝葉斯節(jié)點(Bayesian Node,BN)。相應(yīng)地將具有貝葉斯節(jié)點的決策樹稱為貝葉斯決策樹(Bayesian Decision Tree,BDT)，其結(jié)構(gòu)如圖2所示。

圖2 BDT的結(jié)構(gòu)

由圖2可知，BN包含兩個值：0和f。當(dāng)BN取值為0時，該節(jié)點只需根據(jù)屬性測試條件θ直接轉(zhuǎn)向下一個屬性測試節(jié)點，不必進(jìn)行任何計算；當(dāng)BN取值為f時，該節(jié)點需要計算函數(shù)f的值，并根據(jù)屬性測試條件θ轉(zhuǎn)向下一個屬性測試節(jié)點，即當(dāng)BN取值為f時，下一個屬性節(jié)點的選擇依賴于兩點：函數(shù)f的值和屬性測試條件θ。這里的函數(shù)f根據(jù)具體情況可以是樸素貝葉斯公式也可以是其他貝葉斯公式。

需要說明的一點是，當(dāng)根據(jù)函數(shù)f和屬性測試條件θ進(jìn)行下一屬性節(jié)點的選擇時，都采用IF……THEN……的表達(dá)形式進(jìn)行描述[6]。

2 算法的設(shè)計及分析

2.1 算法設(shè)計思路

根據(jù)貝葉斯決策樹分類算法的基本思想，以下給出一種基于樸素貝葉斯方法和ID3算法的貝葉斯決策樹分類算法(NBDT-ID3)的設(shè)計思路：

(1)當(dāng)使用決策樹的信息增益方法就可確定選擇某個屬性的分支時，BN的取值為0。其中ID3算法信息增益的計算方法[11]如下所述：

(4)

假設(shè)要按某個屬性A劃分D中的元組，其中屬性A根據(jù)訓(xùn)練數(shù)據(jù)的觀測值具有v個不同值{a1,a2,…,av}?？梢杂脤傩訟將D劃分為v個子集{D1,D2,…,Dv}，其中Dj(j=1,2,…,v)包含D中的元組，它們對應(yīng)于屬性A的值為aj。如果A作為測試屬性，那么這些子集對應(yīng)于由D的節(jié)點生長出來的分枝?；诎磳傩訟劃分對D的元組分類所需要的期望信息為：

(5)

信息增益定義為原來的信息需求(僅基于類比例)與新的信息需求(對A劃分后)之間的差值，即：

Gain(A)=Info(D)-InfoA(D)

(6)

(2)當(dāng)數(shù)據(jù)分類具有二義性，即數(shù)據(jù)對象的分類類別無法確定或?qū)傩灾祦G失時，BN的取值為f。這里的f選擇為樸素貝葉斯公式，即根據(jù)以前的經(jīng)驗知識或?qū)嶒灲Y(jié)果得出該數(shù)據(jù)對象的先驗概率值，再以此值來判斷可以先將其分到某些類中，然后運(yùn)用貝葉斯分類方法確定這些類的后驗概率值，最后選擇后驗概率值最大的那一類作為該數(shù)據(jù)對象的所屬類別[6]。

2.2 算法流程

根據(jù)以上設(shè)計思路，給出NBDT-ID3算法流程：

輸入：數(shù)據(jù)集{X1,X2,…,Xn}，其中每個數(shù)據(jù)Xi具有m個屬性xij(i=1,2,…,n;j=1,2,…,m);

輸出：顯示或打印出對數(shù)據(jù)集{X1,X2,…,Xn}已劃分到各個相關(guān)類別Ck(k=1,2,…)中的數(shù)據(jù)。

(1)根據(jù)事先給定的類別特征或?qū)傩源_定要生成的類別集合{C1,C2,…,Cl}，并確定類別數(shù)目l。

(2)運(yùn)用2.1節(jié)中信息增益的計算方法先確定優(yōu)先判斷的屬性，然后確定要進(jìn)行分類的數(shù)據(jù)Xi(i=1,2,…)的某個或某些屬性，屬性值與相應(yīng)的類別相關(guān)。

(3)當(dāng)屬性選擇和數(shù)據(jù)分類都無二義性時，BN的取值為0，直接根據(jù)屬性測試條件轉(zhuǎn)向下一個屬性測試，轉(zhuǎn)到(2)，否則轉(zhuǎn)到(4)。

(4)對Xi進(jìn)行分類。若Xi確定對應(yīng)某一類別Ck，則將Xi劃分到該類別中；若Xi不能確定劃分到哪一個類別中，而是與某些類別都可能相關(guān)，則根據(jù)1.1中所述的樸素貝葉斯分類方法計算出最大的p(Xi|Ck)p(Ck)值，并將Xi劃分到相應(yīng)類別中。

(5)BN的取值為f，且f=max(p(Xi|Ck)p(Ck))，轉(zhuǎn)到(3)。

2.3 算法分析

NBDT-ID3算法仍然具有與決策樹分類算法的產(chǎn)生規(guī)則易于理解、分類速度相對較快等相似的優(yōu)點[6]。該算法主要包括兩項工作：判斷是否要計算f值和判斷是否要計算屬性的后驗概率值。根據(jù)上述的算法流程，最壞的情況就是需要計算所有數(shù)據(jù)的后驗概率值。假設(shè)共有n個數(shù)據(jù)待分類，且每個數(shù)據(jù)有m個屬性，需要把它們劃分到k個類別中，計算一個數(shù)據(jù)的后驗概率值需要時間t1，計算信息增益值需要時間t2，此時算法的計算時間為：

(t1+mt2)·n·k=nkt1+nmt2

(7)

當(dāng)m=n=k時，計算時間為n2t1+n3t2，則此時算法的時間復(fù)雜度為O(n3)。

NBDT-ID3算法自身具有的優(yōu)點如下：

(1)具有更高的分類精度和準(zhǔn)確率。分類一般按照數(shù)據(jù)的某個或某些屬性進(jìn)行，假如根據(jù)數(shù)據(jù)集計算出來的兩個不同屬性的信息增益值相等，則屬性的選擇出現(xiàn)了二義性。大量的數(shù)據(jù)二義性必然會對數(shù)據(jù)集的分類精度和準(zhǔn)確率產(chǎn)生不良影響。而NBDT-ID3算法通過引入樸素貝葉斯方法，可很好地利用先驗信息去處理這些數(shù)據(jù)二義性，提高分類的精度和準(zhǔn)確率。

(2)具有更強(qiáng)的分類魯棒性。數(shù)據(jù)挖掘一般處理的都是海量數(shù)據(jù)，這些數(shù)據(jù)由于主客觀原因難免會存在大量不完整、不一致和噪聲等干擾數(shù)據(jù)?？梢酝ㄟ^預(yù)處理的方法[11]對這些干擾數(shù)據(jù)進(jìn)行處理，但該解決方法一般較為耗時耗力。NBDT-ID3算法通過運(yùn)用樸素貝葉斯方法，可以根據(jù)歷史數(shù)據(jù)的先驗信息或經(jīng)驗來消除不一致的數(shù)據(jù)，平滑不完整的數(shù)據(jù)，排除噪聲數(shù)據(jù)等[6]，相對而言省時省力，且具有更好的處理效果，從而增強(qiáng)了數(shù)據(jù)分類的魯棒性。

3 NBDT-ID3算法的應(yīng)用

3.1 數(shù)據(jù)準(zhǔn)備及預(yù)處理

因為該學(xué)院的新生來源主要分為高考統(tǒng)招生和三校生兩類，其中三校生通過中職對口的招生方式進(jìn)行錄取，招生來源一般是定向的，因此只對高考統(tǒng)招生的數(shù)據(jù)進(jìn)行挖掘分析。實驗數(shù)據(jù)來源于該學(xué)院2012-2014年實際的高考統(tǒng)招生信息。

因為不同年份招生數(shù)據(jù)表的格式有所差異，存在著相同含義的屬性用不同字段名稱表示的情況。比如在2012年數(shù)據(jù)表中用“入學(xué)成績”表示高考成績，在2013年數(shù)據(jù)表中則用“總分”表示高考成績。為了保證數(shù)據(jù)挖掘的有效性，必須先將這些屬性名稱統(tǒng)一表示。經(jīng)過初步分析，首先刪除掉數(shù)據(jù)集中那些明顯與數(shù)據(jù)挖掘不相關(guān)的字段，比如年份、考生姓名、身份證號、聯(lián)系地址等，初步保留那些可能與招生數(shù)據(jù)挖掘相關(guān)的字段：考生號、性別、考生類別、高考成績、報考科類、錄取專業(yè)、錄取專業(yè)代碼和報到情況。

根據(jù)高職招生業(yè)務(wù)及其數(shù)據(jù)的特點，可以對招生數(shù)據(jù)做進(jìn)一步的處理以更有利于數(shù)據(jù)挖掘工作的進(jìn)行。依據(jù)全國高職高專專業(yè)目錄中專業(yè)代碼的含義，可以將錄取專業(yè)進(jìn)行泛化處理[11]；依據(jù)考生號的組成含義，可以得到每位新生的生源地區(qū)信息；采用合適的數(shù)學(xué)方法[3]對高考成績進(jìn)行離散化處理，劃分出每個考生的成績等級。最終處理得到的數(shù)據(jù)如表1所示。

3.2 算法的檢驗與性能評價

為了驗證NBDT-ID3算法在高職新生報到預(yù)測

表1 最終處理得到的數(shù)據(jù)示例

中的應(yīng)用性能，在Matlab環(huán)境下分別運(yùn)用ID3決策樹算法和NBDT-ID3算法對預(yù)處理后的招生數(shù)據(jù)集進(jìn)行訓(xùn)練和測試，并對實驗結(jié)果進(jìn)行對比說明。預(yù)處理后的招生數(shù)據(jù)集共有2 625條新生信息記錄，其中報到新生人數(shù)1 782人，未報到新生人數(shù)843人。隨機(jī)抽取其中2/3的數(shù)據(jù)作為訓(xùn)練集建立基于貝葉斯決策樹預(yù)測模型得到預(yù)測結(jié)果，再運(yùn)用該模型對剩余的1/3數(shù)據(jù)進(jìn)行新生報到情況的預(yù)測，然后從覆蓋率和命中率兩個方面對預(yù)測結(jié)果和實際結(jié)果進(jìn)行對比分析。

覆蓋率：實際報到預(yù)測也是報到的新生人數(shù)X占所有實際報到的新生人數(shù)的比例，它是描述模型普適性的指標(biāo)[7]，用α表示，其計算公式為：

(8)

其中，Y為實際報到但預(yù)測是未報到的新生人數(shù)。

命中率：實際報到預(yù)測也是報到的新生人數(shù)X占所有預(yù)測為報到的新生人數(shù)的比例，它是描述模型精確度的指標(biāo)[7]，用β表示，其計算公式為：

(9)

其中，Z為預(yù)測報到但實際并未報到新生人數(shù)。

最后得到僅應(yīng)用ID3決策樹算法模型與運(yùn)用基于NBDT-ID3算法的貝葉斯決策樹模型得到的訓(xùn)練結(jié)果和檢驗結(jié)果對比情況，見表2。

表2 兩種決策樹模型訓(xùn)練結(jié)果和

從表2的對比結(jié)果可以看出，兩種決策樹模型的訓(xùn)練結(jié)果在覆蓋率和命中率上都比檢驗結(jié)果的好，但基于NBDT-ID3算法的決策樹模型比ID3決策樹算法模型無論是在訓(xùn)練結(jié)果還是檢驗結(jié)果上覆蓋率和命中率都高一些，說明前者能獲得較好的預(yù)測效果。

另外，建模規(guī)則和實施分類的時間也會對系統(tǒng)效率和性能產(chǎn)生影響[14]，所以有必要對算法的訓(xùn)練時間和分類時間進(jìn)行驗證和比較，以進(jìn)一步評價算法的性能。同樣在Matlab環(huán)境下，對NBDT-ID3算法與ID3算法在數(shù)據(jù)集訓(xùn)練執(zhí)行過程中所需的訓(xùn)練時間之比和分類時間之比進(jìn)行驗證和比較，結(jié)果如圖3所示。

圖3 兩種算法訓(xùn)練時間和分類時間對比結(jié)果

從圖中可以看出，NBDT-ID3算法的訓(xùn)練時間和分類時間都比ID3算法的長。這是因為在構(gòu)建決策樹時NBDT-ID3算法需額外插入BN，在分類時NBDT-ID3算法需對選擇BN值為f的節(jié)點進(jìn)行后驗概率計算，從而造成了額外的時間開銷，但從整體上看，兩者的訓(xùn)練時間和分類時間相差不大，時間比值保持在1.12～1.2，基本符合理想增長的趨勢。

為了驗證NBDT-ID3算法數(shù)據(jù)分類的魯棒性，分別從UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫Anneal、Balance-scale、Vowel中隨機(jī)抽取3個數(shù)據(jù)集進(jìn)行分類測試，同樣在Matlab環(huán)境下運(yùn)用ID3決策樹和NBDT-ID3算法對數(shù)據(jù)集進(jìn)行分類，比較這兩種算法在建樹時間之比和分類精度上的情況，結(jié)果如表3所示。

表3 兩種算法數(shù)據(jù)分類的魯棒性檢驗結(jié)果對比情況

從表3中可以看出，在樣本缺失率較高的情況下，NBDT-ID3算法因為要計算更多選擇BN值為f的節(jié)點的后驗概率值,所以比ID3算法需要更長的建樹時間，但在付出時間代價的情況下，NBDT-ID3算法能較好地提高分類精度。由此說明，在付出一定時間代價的情況下，NBDT-ID3算法不僅能提高分類精度，而且在處理數(shù)據(jù)不完整、不一致等缺失樣本時具有更強(qiáng)的分類魯棒性。

4 結(jié)束語

根據(jù)貝葉斯決策樹方法的基本思想，設(shè)計了一種基于樸素貝葉斯方法和ID3算法的貝葉斯決策樹分類算法——NBDT-ID3算法，并詳細(xì)給出了該算法的設(shè)計及分析過程。然后將該算法應(yīng)用到高職招生數(shù)據(jù)挖掘中，對新生報到情況進(jìn)行預(yù)測分析。實驗結(jié)果表明，NBDT-ID3算法在付出一定時間代價的情況下，可以獲得更好的分類效果，并且對具有二義性、不完整或不一致的數(shù)據(jù)具有更好的處理效果。如何更加有效地將這種基于貝葉斯決策樹的分類方法運(yùn)用到民辦高職院校招生數(shù)據(jù)的挖掘分析中，更好地為學(xué)校招生工作提供科學(xué)而直觀的決策支持，是接下來需要進(jìn)一步研究的工作。

[1] 朱志勇，徐長梅，劉志兵，等.基于貝葉斯網(wǎng)絡(luò)的客戶流失分析研究[J].計算機(jī)工程與科學(xué)，2013，35(3)：155-158.

[2] 孫曉瑩，郭飛燕.數(shù)據(jù)挖掘在高校招生預(yù)測中的應(yīng)用研究[J].計算機(jī)仿真，2012，29(4)：387-391.

[3] 詹柳春.數(shù)據(jù)挖掘技術(shù)在高校招生錄取數(shù)據(jù)中的應(yīng)用研究[D].廣州:華南理工大學(xué)，2012.

[4]QuilanJR.Inductionofdecisiontree[J].MachineLearning,1986,1(1):81-106.

[5]Palacios-AlonsoMA,BrizuelaCA,SucarLE.EvolutionarylearningofdynamicNa?veBayesianclassifiers[J].JournalofAutomatedReasoning,2010,45(1):21-37.

[6] 樊建聰，張問銀，梁永全.基于貝葉斯方法的決策樹分類算法[J].計算機(jī)應(yīng)用，2005，25(12)：2882-2884.

[7] 尹 婷，馬 軍，覃錫忠，等.貝葉斯決策樹在客戶流失預(yù)測中的應(yīng)用[J].計算機(jī)工程與應(yīng)用，2014，50(7)：125-128.

[8] 徐 哲，劉 循.貝葉斯決策樹在英文現(xiàn)在分詞詞性識別中的應(yīng)用[J].計算機(jī)應(yīng)用，2009，29(9)：2571-2574.

[9] 王 琦.基于貝葉斯決策樹算法的垃圾郵件識別機(jī)制[C]//“智慧城市和綠色I(xiàn)T”2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會學(xué)術(shù)年會.湖北,武漢：出版者不詳，2011.

[10] 張依楊，向 陽，蔣銳權(quán)，等.樸素貝葉斯算法的MapReduce并行化分析與實現(xiàn)[J].計算機(jī)技術(shù)與發(fā)展，2013,23(3)：23-26.

[11]HanJiawei，KamberM，PeiJian.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2014：217-218.

[12] 黃宇達(dá)，王迤冉.基于樸素貝葉斯與ID3算法的決策樹分類[J].計算機(jī)工程，2012，38(14)：41-43.

[13]FriedmanN,GeigerD,GoldszmidtM.Bayesiannetworkclassifiers[J].MachineLearning,1997,29(2-3):131-163.

[14]JingY,PavloviV,RehgJM.BoostedBayesiannetworkclassifiers[J].MachineLearning,2008,73(2):155-184.

Application of Bayesian Decision Tree Method in Admission Data Mining

HUANG Chun-hua1,2,CHEN Zhong-wei2,LI Shi-jun1

(1.School of Computer,Wuhan University,Wuhan 430072,China; 2.Dept. of Industry and Information,Guangxi Talent International College,Qinzhou 535000,China)

It simply introduces the basic thought of Bayesian decision tree method in this paper,which takes advantage of the prior information method for Bayesian classification and the information gain method of decision tree,and makes up for the decision tree cannot handle the ambiguity data and the missing value by adding Bayesian node.On this basis,a Bayesian decision tree algorithm based on Na?ve Bayesian method and ID3 algorithm is presented named NBDT-ID3 algorithm.The algorithm process of the design and analysis is introduced.Then the algorithm is applied to higher vocational admission data mining,which analyzes and forecasts the new student registration.It is tested and verified under the Matlab environment.The experimental results show that NBDT-ID3 algorithm not only can get higher classification accuracy but also behave well in handling the ambiguity,incomplete or incongruous data in the case of paying certain of time.

data mining;Bayesian decision tree;classification;admission data;registration forecasting

2015-07-15

2015-10-21

時間：2016-03-22

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項基金項目(2042014f0057)；湖北省自然科學(xué)基金項目(2014CFB289)

黃春華(1985-)，女，碩士，講師，研究方向為數(shù)據(jù)挖掘、SQL數(shù)據(jù)庫技術(shù)及應(yīng)用。

http://www.cnki.net/kcms/detail/61.1450.TP.20160322.1521.072.html

TP301.6

A

1673-629X(2016)04-0114-05

10.3969/j.issn.1673-629X.2016.04.025