一、基本信息
标题：决策树算法在学生课程成绩分析中的应用研究
时间：2019
来源：哈尔滨师范大学
关键词：决策树； 信息熵； 信息增益； 信息增益率
二、研究内容
1.信息熵和信息增益：ID3算法 信息熵 E(S)=-P/(P+N)*log2[P/(P+N)]-P/(P+N)*log2[P/(P+N)]
E(Si)=-Pi/(Pi+Ni)*log2[Pi/(Pi+Ni)]-Pi/(Pi+Ni)*log2[Pi/(Pi+Ni)]
条件熵 
信息增益 Gain（ A ） =E（ S ） －E （ A ）
C4.5算法 GainR （ A ） =Gain （ A ） /E （ A ）
2.决策树技术应用
分析得到的决策树 
三、结论
前面聚类分析是从学生成绩对文章进行分析，而这篇文章主要是用决策树算法对学生平时成绩（考勤、回答问题、作业完成）和学生的调查数据信息来进行分析。总结出整个的流程是：数据——构造决策树（使用ID3算法或者C4.5算法计算信息熵、条件熵、信息增益和信息增益率）——建立决策树——修剪决策树。通过前面的文献，学生成绩分析系统现在暂时可以分两模块：1.分析成绩等级（聚类分析） 2.分析影响学生成绩的主要因素（决策树）
四、参考文献
[6]胡明明. 决策树算法在学生课程成绩分析中的应用研究[D].哈尔滨师范大学,2019.