【数据挖掘课程作业】利用决策树进行评教指标筛选（含Weka操作指南、数据及实验报告）

简介：
本课程作业运用决策树算法对评教指标进行筛选优化，并提供详尽的Weka软件操作步骤，包含原始数据集与完整的实验分析报告。 基于某高校的评教数据（pjsj.xls），该数据包含了842门课程的信息，属性包括：课程名称、评价人数、总平均分以及10个评估指标Index1至Index10。研究目标是通过运用数据挖掘技术来筛选出对教学评价有用的指标，并剔除无用的指标。 具体的研究步骤如下： （一）描述性数据分析 利用盒图展示每个评估指标的数据分布情况，包括孤立点、最小值、第一四分位数(Q1)、中位数以及第三四分位数(Q3)，同时标注最大值； （二）数据预处理 对连续型的评价指标进行离散化操作，将其划分为三个区间：优秀(E)、良好(G)和一般(F)，以简化后续分析。总平均分同样被划分成A、“B”、“C”三个等级，并作为每门课程的分类标签； （三）模型构建与评估 采用决策树算法对预处理后的数据进行分类，建立相应的决策树并对其性能指标如召回率、精度、F1值以及准确率等进行综合评价。 （四）结果讨论 根据分析结果确定哪些评估指标在最终的决策树中并未出现，并对此类未被选中的变量展开深入探讨； （五）总结与展望 对整个研究过程进行全面回顾，指出可能存在的不足之处或未来的研究方向。