数据挖掘在课程成绩分析中的应用

数据挖掘是数据仓库技术中的重要技术之一.为了充分发挥考试的效能,综合评价命题质量,及时反馈教学效果,将数据挖掘技术与课程成绩分析相结合,从海量的数据中发现隐藏的有用信息,并将这些信息资源进行统计分析和总结是非常必要的.     

基于POI大数据与机器学习的养老设施规划布局——以武汉市为例

文章以武汉市为研究对象,在500 m网格尺度上,以POI数据与"六普"人口数据为基础,结合现有的城市养老设施分布特征,运用机器学习算法,对养老设施选址布局进行定量模拟。文章先从武汉市31 390个网格中模拟出4 878个适合选址点位,然后根据各区域老龄化程度,进一步筛选出1 366个需要优先布局的点位,初步实现精细化尺度下养老设施定量化选址。研究发现:(1)模型模拟结果与现有养老设施对比,准确度为95.7%,方法可靠。(2)预测结果表明武汉市新增养老设施主要布局在三环以内等老龄化人口集聚区;同时,部分远城区街道人口老龄化也比较严重,需尽快新建养老设施。(3)研究尝试采用机器学习算法进行养老设施规划选址,可以使整体的布局趋向最优,可以尽量避免规划选址的主观性。该方法在其他公共设施选址中亦有一定的参考价值。     

城市轨道交通出行的时空特征及影响因素非线性机制——基于梯度提升决策树的成都实证

以成都市为例,基于地铁刷卡、POI、建成环境等多源大数据,运用GIS、Python、Spark等进行数据处理,分析156个站点客流量、出行时间的空间分异特征,并通过梯度提升决策树(GBDT),解析站域设施数量、建成环境、经济属性等15个因素对客流量与出行时间的非线性影响机制。研究发现:(1)成都市轨道交通客流量具有中间高—两边低的倒U型分布特点,每站日均客流量为1.6万人次;(2)出行时间随距CBD距离增加逐渐增大,每站乘客平均出行时间为32 min,出行时间的概率密度呈Gamma分布特点;(3)路网密度、容积率、办公设施、交通设施等对客流量具有非线性正向影响,而房价、距CBD距离与客流量则分别为"凸"形与"凹"形的非线性关系;(4)距CBD距离、购物数量、办公数量等与出行时间非线性正相关,而交通设施、房价等与其负相关。最后,提出考虑"流量"与"时间"阈值效应的建成环境优化、构建"出行+生活"的轨道通勤圈等规划策略。     

决策树在健身课程重购意愿研究中的应用

决策树是使用最为广泛的分类预测算法之一,它能探究并直观展现多维数据的内在规律.本文采用C5.0决策树构建健身课程重购意愿影响因素模型,发现5个关键因素按重要性从高到低排序依次为"健身消费意愿""课程时间自主性""课程预约便利性""每周健身次数"和"每次健身时长",模型具有较好的准确性(96％)和预测泛化能力(82％).     

基于决策树的图像数据分类

数据挖掘,即利用大量的、不完整的、随机的实际应用数据,提取潜在其中的有用信息,解决相关问题。针对图像特征数据,利用提取的图像特征向量的基础上,基于决策树对图像数据进行分类处理,并对生成的决策树进行优化和剪枝处理。     

决策树决策方法的探讨

决策树决策方法是企业在市场经营遇到风险型决策问题时常用的方法之一。由于它在决策过程中具有层次清晰、简单明了、生动、形象等特点。特别是决策问题处在多阶段、多层次中，它能方便地表达出各阶段决策与整体决策的前后关联与相互影响。怎样将此方法运用到更宽的市场营销风险型决策领域，以下是本人对决策树决策方法变化的探讨。     

决策树在高校教务管理中的应用

在学分制体系下,如何进行教学管理和学生培养成为高校建设的主要问题。本文提出通过构建基于教务数据的决策树分类模型,来解决学分制体系下的学位认证等同意.为管理者提供有益的帮助。     

浅谈企业核心竞争力价值实现的投资决策方法

企业核心竞争力是企业致胜的源泉,而投资决策方法是企业投资成功与否的关键。近年来,国内外企业纷纷通过各种方式为获取核心竞争力、培育核心竞争力或巩固现有核心竞争力而作出投