文档介绍：致 谢
在我的硕士论文完成之际，回首攻读硕士研究生期间的学****和生活，感觉
自己受益良多，自己的能力有很大的提高，这三年的时间，受到了许多人的帮
助，在此像他们表示由衷的感谢。
首先，我要衷心感谢我的导师邢长征教授，在整个学****过程中，提供给我
许许多多能终身受益的锻炼的机会。整个的攻读过程，每一个环节都倾注了老
师的汗水和心血。同时老师严谨的作风、优异的领导才能、远见的卓识令人钦
佩，相信，从老师身上学到的这一切，将在我日后的学****生活工作中发挥巨大
的作用。
其次，感谢电信学院所有曾经辛勤培养、关心、支持我的老师们，尤其要
感谢关欣老师，是他们在学****和生活上给了我很大的帮助。
感谢同门的师兄弟姐妹们一直给予我的鼓励与支持，感谢那些素不相识文
献工作者，是他们的不倦的工作奠定了我论文的基础。
感谢我的同学、朋友们一直以来对我的照顾和支持。
感谢我的家人，是他们长期以来在生活和精神上给我巨大的支持，他们的
支持一直是我前进的动力。
最后再一次向所有的关心、爱护和帮助我的人们致以最衷心的感谢。
摘 要
决策树算法在数据挖掘技术中有重要的作用，本文着重研究了决策树理论中的
算法，针对其在当训练集样本包含大量的连续值属性时，算法将会效率低
下的缺点，提出了利用划分熵取得最小值的改进方法，得出对连续值属性离散
化处理时，只需对其其边界点进行计算，降低连续值属性离散化的时间复杂度。
同时对求解信息增益率的公式进行了简化。本文改进了一种决策树的简化模
型。使之能利用信息增益度量选择测试属性,得到最为合理的测试属性,也使得
属性选择度量的信息理论含义清晰,可解释性明确。本文设计实现了一个学生成
绩预测系统，以 C 语言典型课程为例，挖掘该课程成绩与哪些因素相关，哪些
是决定性因素，使教师针对不同类型的学生采用不同的教学方法和教学侧重
点，提高该课程成绩。
关键词：决策树；；离散化
- I -
Abstract
Decision tree algorithm plays an important role in data studies an
important algorithm named in this paper, For the samples in the training set
contains a large number of continuous-valued attribute,algorithm will be
proposed an improved method of obtaining the minimum entropy,derived for
continuous-valued attribute discretization the best demarcation point is
at the border It can reduce the continuous-calued attributes and the time
complexity of the same time,it comprises information gain
complex decision tree does not understand and build for the
paper presents a simplified model of the decision that it can
use information gain measure of selection test can get to be the most
reaonable test paper implements a student performanace forecasting
system based on typical excavates the factors and the decisive factor