1、“.....本文在分析数据挖掘基本方法的基础上，详细介绍了决系统，到算法的时候真正发展起来。在早期，决策树是人工智能的重要方法，随着数据挖掘技术的发展，决策树成了构建决策支持系统的种重要工具。在决策树的算法中，算法是比较成熟的算法之。算法以信息增益来决定属性的选择，选择分支后信息增益最决策树数据挖掘技术在学生管理中的应用研究论文原稿益为具有值集的属性，可以将划分为不同的子集，其中包括了类的个样本，根据的这种划分的期望信息，称作的熵。其加权平均为的信息增益定义为决策树算法在学生管理中的应用在学生的管理中......”。

2、“.....随着数据挖掘技术的发展，决策树成了构建决策支持系统的种重要工具。在决策树的分类思想中，熵越小，信息增益就越大，决策树分类就是选择增益最大的属性来作为决策树的分类节点，然后由该属性的不同取值建立不同的分支。而分支中，熟的算法之。算法以信息增益来决定属性的选择，选择分支后信息增益最大的属性进行分支。算法的基本思想是通过自顶向下的贪婪搜索，遍历可能的决策空间构建决策树确定个属性作为根节点，而后为每个可能的属性值构建个分支，并把训练样例归到适当的分数据挖掘可以在大量的不完全的有噪声的数据中挖掘出有价值的信息。决策树是数据挖掘的常用方法之......”。

3、“.....详细介绍了决策树挖掘技术，阐述了决策树中算法的思想，并采用算法对学生管理进行了应用研究。关键词数据挖掘归类，事实上，它就是种基于分类训练集的预测树，因此，可以采用决策树进行预测分析。本文利用决策树对学生的优秀情况进行评估分析，以寻找影响学生培养质量的因素，达到了较好的效果。参考文献刘红岩，陈剑，陈国青数据挖掘中的数据分类算法综述清华大学以使用同样的方法计算出来。我们选取信息增益最大的作为划分分支的节点。划分出来之后，其他节点的子集划分也可以采用相同样的办法进行划分，直递归划分到同个类别样本为止......”。

4、“.....通过决策树，我们可以看到，智育得分高的学阳江市。数据挖掘的常用操作方法有决策树方法人工神经网络方法遗传算法粗集方法模糊集方法等。决策树算法决策树是数据挖掘的常用方法之。决策树，是在已知各种情况发生的概率基础上，通过构建决策树来求取净现值的期望值在大于等于零情况下的概率，由此做项类。决策树可以用于预测和归类，事实上，它就是种基于分类训练集的预测树，因此，可以采用决策树进行预测分析。本文利用决策树对学生的优秀情况进行评估分析，以寻找影响学生培养质量的因素，达到了较好的效果。参考文献刘红岩，陈剑......”。

5、“.....罗可，林睦纲，郗东妹数据挖掘中分类算法综述计算机工程，林向阳数据挖掘中的决策树算法比较研究中国科技信息，王永梅，胡学钢决策树中算法的研究安徽大学学报自然科学版，作者单位阳江职业技术学院广东省阳江市。进行优秀学生预测，以便于学生的管理。结语决策树是数据挖掘的常用方法之，它是种树形结构，代表了个预测模型，反映了对象属性与对象值之间的映射关系。决策树中每个节点表示对象的属性，而分支则代表属性的取值，叶子节点代表个分类。决策树可以用于预测和可以看到......”。

6、“.....但是，除了智育分数以为，优秀学生还与哪些因素有比较大的关系呢通过决策树的分析，我们发现德育好的学生更容易获得优秀，而体育好的学生不太容易得到优秀。通过这样的模型，便可以在定生容易在评比中获得优秀。这是显而易见的。但是，除了智育分数以为，优秀学生还与哪些因素有比较大的关系呢通过决策树的分析，我们发现德育好的学生更容易获得优秀，而体育好的学生不太容易得到优秀。通过这样的模型，便可以在定程度上对学生进行类别划分目风险评价，并判断其可行性的分析方法。决策树数据挖掘技术在学生管理中的应用研究论文原稿......”。

7、“.....信息熵为得出智育属性的信息增益为同样地，其他属性美育体育德育的信息增益也据分类算法综述清华大学学报自然科学版，罗可，林睦纲，郗东妹数据挖掘中分类算法综述计算机工程，林向阳数据挖掘中的决策树算法比较研究中国科技信息，王永梅，胡学钢决策树中算法的研究安徽大学学报自然科学版，作者单位阳江职业技术学院广东程度上对学生进行类别划分和进行优秀学生预测，以便于学生的管理。结语决策树是数据挖掘的常用方法之，它是种树形结构，代表了个预测模型，反映了对象属性与对象值之间的映射关系。决策树中每个节点表示对象的属性，而分支则代表属性的取值......”。

8、“.....我们选取信息增益最大的作为划分分支的节点。划分出来之后，其他节点的子集划分也可以采用相同样的办法进行划分，直递归划分到同个类别样本为止。根据该方法构建出来的决策树如图所示。通过决策树，我策树挖掘技术，阐述了决策树中算法的思想，并采用算法对学生管理进行了应用研究。关键词数据挖掘决策树数据挖掘数据挖掘，即，也称为数据采矿。它是数据库知识发现的个步骤。数据挖掘从大量的数据中，通过算法，搜索出隐含大的属性进行分支......”。

9、“.....遍历可能的决策空间构建决策树确定个属性作为根节点，而后为每个可能的属性值构建个分支，并把训练样例归到适当的分支中，也就是将样本分成多个子集，每个子集对应到个分支中不断重复这个过优秀情况进行评估，或者找出决定学生优秀的几种因素。我们可以通过对学生的智育德育体育美育等因素进行评估，采用决策树算法对学生进行分类，以便确定影响学生优秀度的因素。决策树数据挖掘技术在学生管理中的应用研究论文原稿。决策树的起源源于概念学则采用同样的方法，递归地进行分类，直到所有子集都能归为同个类别为止......”。