卷面成绩和期末成绩作为样本数据,探高,而不同聚类中的对象则相似度较低聚类分析流程聚类算法以其简单的特性当前已得到了广泛应用,它的基本实施步骤如下从个数据对象中任意选择个数据对象作为初始的聚类中心根据每个聚类对象的均值即中心对象,计算出每个对象与这因此,不同研究者对于同组数据进行聚类分析,所得到的聚类结果未必是样的目前常用的聚类分析算法有层次法划分法基于模型的方法基于密度的方法等其中,划分法是聚类分析算法中最简单最基本的方法,并且算法是其中种经典的划分法,它的输成绩的众数为均值为中位数为期末成绩的众数为均值为中位数为标准差为变异系数为,各学科成绩都无异常数据,平时成绩卷面成绩和期末成绩的维散点分布如下图所示,期末成绩分布情况如图所示且各学科的期末成绩分布图及对比图如图和图所示聚类分析聚类分探索性和聚类高等数学成绩分析参考版说明该校的文学学生在高等数学课堂教学中表现较好且理学学生高等数学在平时成绩卷面成绩和期末成绩都表现最好,跟理学学生本身就具有已有扎实丰富的数学知识是紧密相连的最后,从聚类分析结果看,该校学生的高等数学课程的卷面考试成绩在定程度上将受到得原始数据中本身无等级这属性字段,为了后续统计分析学生成绩最终表现情况,所以将成绩划分了个等级,具体如表所示在此,我们去掉了卷面成绩为的学生记录数据探索性分析首先,我们对预处理后的数据进行探索性分析,观察这条学生成绩中各类成绩的数据形习整体情况良好从图各学科期末成绩分布情况和图各学科期末成绩对比情况可知,理学学生的期末成绩比工学和文学学生好,又从聚类分析图各学科成绩平均值对比和图聚类分析结果可知,虽然文学的卷面考试成绩最不理想,但平时成绩比工学类学生好的进步改进,本研究通过对高校理学工学文学类分别随机平均选取名学生高等数学的卷面成绩平时成绩和期末成绩进行探索性和聚类分析,旨在了解不同学科学生的成绩分布情况,对教师进行因材施教提供了定的参考价值,对改进教学方法及对高等数学课程教学改绩分析因材施教目前,数学已经渗透到人们学习工作和生活的方方面面,只有深入掌握数学知识才能满足现代学习工作和生活的需要作为名大学生掌握数学的应用是必须的,所以般的普通高校都会为理工科及部分文学专业学生开设高等数学这门课程,它是大学生在革指明定的方向,让教学效率更加高效数据描述数据来源样本数据来源于高校,属于非公开数据样本数据包括条学生高等数学成绩,每条记录包含的基本信息有学生姓名学科平时成绩卷面成绩期末成绩和等级个属性,各属性的具体含义如表所示数据预处理所获探索性和聚类高等数学成绩分析摘要高等数学是大学生的基础理论课,成绩是教学效果的重要量化标准为了了解高校不同学科学生高等数学学习情况并改进培养方案,本文随机选取了理科工科和文科类学生的高等数学平时成绩卷面成绩和期末成绩作为样本数据,探生的数学基础因材施教,学以致用第,明确学生主体地位为提高学生的主动性和积极性,学习动机对学习成绩的高低有着直接的关系,教师应该主导学生主动参与到课堂讨论交流案例选取贴近不同类别专业,贴近生活实际,多使用问题情境式教学第,完善学习评聚类分析,挖掘相关信息,获取些重要的结论,对提高学生的学习效率,改进教师的教学方式,也为课程教学改革指明定的方向第,明确高等数学在大学各学科教育教学中的重要地位教师需认清高等数学这门课程在理工科文科类教育教学中的重要地位高等数学抽象态成绩的集中趋势成绩的分散程度成绩分布的形状等通过语言中的可得,名学生中期末成绩等级为不及格的有人,等级为及格的有人,等级为中等的有人,等级为良好的有人,等级为优秀的有人平时成绩的众数为均值为中位数为卷革指明定的方向,让教学效率更加高效数据描述数据来源样本数据来源于高校,属于非公开数据样本数据包括条学生高等数学成绩,每条记录包含的基本信息有学生姓名学科平时成绩卷面成绩期末成绩和等级个属性,各属性的具体含义如表所示数据预处理所获说明该校的文学学生在高等数学课堂教学中表现较好且理学学生高等数学在平时成绩卷面成绩和期末成绩都表现最好,跟理学学生本身就具有已有扎实丰富的数学知识是紧密相连的最后,从聚类分析结果看,该校学生的高等数学课程的卷面考试成绩在定程度上将受到所示图聚类分析结果统计数据分析结果通过对研究样本数据的探索性分析得出,由图期末成绩分布情况呈现出该校理学工学和文类类学科学生高等数学课程的期末成绩及格人数占比远多于不及格人数,说明该校的理学工学和文类类学科学生高等数学的学探索性和聚类高等数学成绩分析参考版价机制对学生成绩的科学评价,摒弃唯分数论,可以实行自主考核和评价,更多的需注重平时课堂的表现与参与度,改变课程学习的评价机制,激励,唤醒学生学习数学的激情,体会成功的喜悦作者肖丽利单位川文理学院探索性和聚类高等数学成绩分析参考版说明该校的文学学生在高等数学课堂教学中表现较好且理学学生高等数学在平时成绩卷面成绩和期末成绩都表现最好,跟理学学生本身就具有已有扎实丰富的数学知识是紧密相连的最后,从聚类分析结果看,该校学生的高等数学课程的卷面考试成绩在定程度上将受到的重要地位第,改进课堂教学的有效性策略就目前的高等数学教学过程中理论与实际生活严重脱节,忽视了不同学科专业对数学知识的需求,扼杀了学生的应用能力和创新能力因此,教师要积极鼓励学生参与数学建模,创新创业项目,要对不同数学基础,不同学科学中任意选择个数据对象作为初始的聚类中心根据每个聚类对象的均值即中心对象,计算出每个对象与这些中心对象之间的距离,并根据最小距离来重新对相应的对象进行划分重新计算每个聚类的均值即中心对象计算标准测度函数,当满足定条件,如果函数收的教学内容,严谨的推理,大学生在种程度上有种不适应,在加强理论知识学习的同时,在实际的教学过程更需要注重是培养学生数学思维和核心素养,需要培养高技术的人才,因此应该将数学知识与各学科专业对接,紧密相连,应用于实践,体现数学在生活革指明定的方向,让教学效率更加高效数据描述数据来源样本数据来源于高校,属于非公开数据样本数据包括条学生高等数学成绩,每条记录包含的基本信息有学生姓名学科平时成绩卷面成绩期末成绩和等级个属性,各属性的具体含义如表所示数据预处理所获平时成绩的影响,般情况下平时成绩表现好的学生,卷面成绩般较高学生高等数学成绩分析的数据,提取有价值的信息对指导高校数学教学方法地改进及培养学生具有重要的价值针对高校教学改革的需求,本研究对该高校学生高等数学成绩进行探索性和习整体情况良好从图各学科期末成绩分布情况和图各学科期末成绩对比情况可知,理学学生的期末成绩比工学和文学学生好,又从聚类分析图各学科成绩平均值对比和图聚类分析结果可知,虽然文学的卷面考试成绩最不理想,但平时成绩比工学类学生好探索性分析这些数据并获得成绩的总体分布情况,并采用聚类分析来对这些数据进行深入研究旨在充分了解不同学科学生高等数学的学习情况,为改进教学方法和课程教学改革指明方向,对教师进行分层教学及因材施教提供定的参考关键词探索性分析聚类分析成,则终止算法如果条件不满足则回到步骤继续重复进行其处理流程如图所示否分析结果探索性数据分析结果理学工学和文学类学生的平时成绩卷面成绩和期末成绩的平均值比较如图所示聚类分析结果使用算法对平时成绩和卷面成绩的聚类分析结果如图探索性和聚类高等数学成绩分析参考版说明该校的文学学生在高等数学课堂教学中表现较好且理学学生高等数学在平时成绩卷面成绩和期末成绩都表现最好,跟理学学生本身就具有已有扎实丰富的数学知识是紧密相连的最后,从聚类分析结果看,该校学生的高等数学课程的卷面考试成绩在定程度上将受到些中心对象之间的距离,并根据最小距离来重新对相应的对象进行划分重新计算每个聚类的均值即中心对象计算标准测度函数,当满足定条件,如果函数收敛,则终止算法如果条件不满足则回到步骤继续重复进行其处理流程如图所示骤如下从个数据对象习整体情况良好从图各学科期末成绩分布情况和图各学科期末成绩对比情况可知,理学学生的期末成绩比工学和文学学生好,又从聚类分析图各学科成绩平均值对比和图聚类分析结果可知,虽然文学的卷面考试成绩最不理想,但平时成绩比工学类学生好为聚类个数和包含个数据对象的数据库,输出为满足方差最小标准的个聚类,并对学生的成绩情况构建个检测模型首先接收输入量,然后将个数据对象划分为个聚类以便使得所获得的聚类满足,最后聚类结果为同聚类中的对象相似度较析原理聚类分析是组将研究对象分为相对同质的群组统计分析技术,它是目前种流行的探索性分析方法在分类过程中,我们不必预先给出个分类标准,它便能从样本数据出发,自动对数据进行分类处理聚类分析所采用的具体算法不同,其所得到的结论常常也不同态成绩的集中趋势成绩的分散程度成绩分布的形状等通过语言中的可得,名学生中期末成绩等级为不及格的有人,等级为及格的有人,等级为中等的有人,等级为良好的有人,等级为优秀的有人平时成绩的众数为均值为中位数为卷革指明定的方向,让教学效率更加高效数据描述数据来源样本数据来源于高校,属于非公开数据样本数据包括条学生高等数学成绩,每条记录包含的基本信息有学生姓名学科平时成绩卷面成绩期末成绩和等级个属性,各属性的具体含义如表所示数据预处理所获数学领域方面的入门课程近年来,高等数学课程教学形式不断更新,教学模式众多,教育界对数学的实际应用研究也较多,但对不同学科和不同数学认知的学生课堂教学的有效性研究甚少因此,为了解高校不同学科和不同数学认知的学生高等数学学习的状况和培养方因此,不同研究者对于同组数据进行聚类分析,所得到的聚类结果未必是样的目前常用的聚类分析算法有层次法划分法基于模型的方法基于密度的方法等其中,划分法是聚类分析算法中最简单最基本的方法,并