基于樸素貝葉斯算法的高等學(xué)校貧困生識(shí)別方法

褚蕾蕾 孟利霞 夏光峰 劉年生 陳巖

摘 要：近年來，高等學(xué)校的貧困生認(rèn)定工作已經(jīng)成為高校工作中的重要組成部分。如何確保貧困生認(rèn)定工作的準(zhǔn)確性，已經(jīng)成為促進(jìn)高等學(xué)校教育的公平公正性以及確保大學(xué)生身心健康發(fā)展的重要條件。本文研究了一種基于樸素貝葉斯算法的高等學(xué)校貧困生識(shí)別方法算法，通過家庭情況調(diào)查表搜集高校所有學(xué)生的家庭情況數(shù)據(jù)，提取其中關(guān)鍵指標(biāo)，再采用樸素貝葉斯算法進(jìn)行貧困生的認(rèn)定。采用實(shí)際算例進(jìn)行分析，其結(jié)果表明了本文提出方法的有效性。

關(guān)鍵詞：高等學(xué)校;貧困生;貧困認(rèn)定;樸素貝葉斯

中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）08-0054-02

0 引言

近年來，在高等教育越來越普及的情況下，一種典型的大學(xué)生群體越來越受到國(guó)家和政府的關(guān)注，即高等學(xué)校中的貧困生群體。如何保證高等學(xué)校中貧困生認(rèn)定工作的準(zhǔn)確性，是關(guān)乎高等教育公平公正，貧困生能否順利的完成學(xué)業(yè)的關(guān)鍵問題。然而，現(xiàn)階段的貧困生認(rèn)定仍然存在以下問題。

1 現(xiàn)階段的貧困生認(rèn)定資助工作存在的問題

1.1 資助工作缺乏客觀認(rèn)定標(biāo)準(zhǔn)

目前的資助判定主要依靠紙質(zhì)材料證明以及通過主觀評(píng)價(jià)等方式來認(rèn)定貧困生，這種方法存在著標(biāo)準(zhǔn)模糊，材料容易作假等缺陷，極其容易發(fā)生資助不精確的現(xiàn)象，典型的表現(xiàn)在于：（1）自身是非貧困生的被判別為貧困生;（2）自身為貧困生的被判別為非貧困生;（3）有些貧困生因?yàn)樾愿瘛⒆宰鹦摹⒒蚴切畔⒉涣魍ǖ纫蛩兀瑳]有參加貧困生的申請(qǐng)，導(dǎo)致了最應(yīng)該被資助的同學(xué)沒有被資助[1]。

1.2 資助工作缺乏后續(xù)跟蹤機(jī)制

學(xué)生資助終止于貸款的發(fā)放，這樣僅僅在貧困生的認(rèn)定方面進(jìn)行了工作，但是沒有對(duì)學(xué)生拿到資助貸款后的行為進(jìn)行采樣，沒有對(duì)資助金的使用和學(xué)生的具體表現(xiàn)進(jìn)行跟蹤分析，從而導(dǎo)致了資金的使用無法監(jiān)督，也無法確保資助金是否體現(xiàn)了它的價(jià)值。

1.3 資助工作缺乏校用評(píng)價(jià)體系

現(xiàn)階段偶有報(bào)道有學(xué)生拿到資助金后大肆揮霍的情況，相反，對(duì)于一些真正需要資助的貧困生卻由于各種問題不能獲得資助。如何來評(píng)定資助工作的好壞，保證資助工作向良性方面發(fā)展，也是當(dāng)前的資助方法需要解決的問題。

近年來，機(jī)器學(xué)習(xí)理論的發(fā)展為貧困生的認(rèn)定工作提供了一種基于事實(shí)數(shù)據(jù)的新思路。已成為新的研究熱點(diǎn)。本文采用機(jī)器學(xué)習(xí)中的樸素貝葉斯算法對(duì)高等學(xué)校的貧困生進(jìn)行認(rèn)定。首先通過問卷調(diào)查采集高校學(xué)生的家庭情況數(shù)據(jù)，再抽取其中關(guān)鍵特征，以建檔立卡學(xué)生的數(shù)據(jù)作為標(biāo)簽，使用樸素貝葉斯算法進(jìn)行貧困生的預(yù)測(cè)。采用實(shí)際算例進(jìn)行算法論證，其結(jié)果表明了本文方法的有效性和實(shí)用性。

2 樸素貝葉斯算法

本文采用樸素貝葉斯算法對(duì)貧困生進(jìn)行認(rèn)定。樸素貝葉斯中的樸素一詞的來源就是假設(shè)各特征之間相互獨(dú)立。這一假設(shè)使得樸素貝葉斯算法變得簡(jiǎn)單，但有時(shí)會(huì)犧牲一定的分類準(zhǔn)確率。樸素表示特征條件獨(dú)立;貝葉斯表示該方法基于貝葉斯定理。和決策樹模型相比，樸素貝葉斯分類器發(fā)源于古典數(shù)學(xué)理論，模型所需估計(jì)的參數(shù)很少，對(duì)缺失數(shù)據(jù)不太敏感，算法也比較簡(jiǎn)單。理論上，樸素貝葉斯分類器模型與其他分類方法相比具有最小的誤差率。但是實(shí)際上并非總是如此，這是因?yàn)闃闼刎惾~斯分類器模型假設(shè)屬性之間相互獨(dú)立，這個(gè)假設(shè)在實(shí)際應(yīng)用中往往是不成立的，這給樸素貝葉斯分類器模型的正確分類帶來了一定影響。樸素貝葉斯屬于監(jiān)督學(xué)習(xí)的生成模型，實(shí)現(xiàn)簡(jiǎn)單，沒有迭代，并有堅(jiān)實(shí)的數(shù)學(xué)理論（即貝葉斯定理）作為支撐[2]。

整個(gè)樸素貝葉斯分類分為三個(gè)階段：（1）準(zhǔn)備工作階段，這個(gè)階段的任務(wù)是為樸素貝葉斯分類做必要的準(zhǔn)備，主要工作是根據(jù)具體情況確定特征屬性，并對(duì)每個(gè)特征屬性進(jìn)行適當(dāng)劃分，然后由人工對(duì)一部分待分類項(xiàng)進(jìn)行分類，形成訓(xùn)練樣本集合。這一階段的輸入是所有待分類數(shù)據(jù)，輸出是特征屬性和訓(xùn)練樣本。這一階段是整個(gè)樸素貝葉斯分類中唯一需要人工完成的階段，其質(zhì)量對(duì)整個(gè)過程將有重要影響，分類器的質(zhì)量很大程度上由特征屬性、特征屬性劃分及訓(xùn)練樣本質(zhì)量決定。（2）分類器訓(xùn)練階段，這個(gè)階段的任務(wù)就是生成分類器，主要工作是計(jì)算每個(gè)類別在訓(xùn)練樣本中的出現(xiàn)頻率及每個(gè)特征屬性劃分對(duì)每個(gè)類別的條件概率估計(jì)，并將結(jié)果記錄。其輸入是特征屬性和訓(xùn)練樣本，輸出是分類器。這一階段是機(jī)械性階段，根據(jù)前面討論的公式可以由程序自動(dòng)計(jì)算完成。（3）應(yīng)用階段。這個(gè)階段的任務(wù)是使用分類器對(duì)待分類項(xiàng)進(jìn)行分類，其輸入是分類器和待分類項(xiàng)，輸出是待分類項(xiàng)與類別的映射關(guān)系。這一階段也是機(jī)械性階段，由程序完成。

樸素貝葉斯算法如下所示，輸入為訓(xùn)練數(shù)據(jù)D={（x1，y1）， （x2，y2）， （xn; yn）}， xi=（x（1）i， x（2）i…x（n）i ）T，x（j）i是第i個(gè)樣本的第j個(gè)特征，y為x對(duì)應(yīng)的分類標(biāo)簽，ck表示類別。輸出為新輸入x的分類。具體步驟為：

3 基于家庭經(jīng)濟(jì)調(diào)查的貧困生指標(biāo)發(fā)展現(xiàn)狀

一般采取基于家庭經(jīng)濟(jì)調(diào)查的貧困生指標(biāo)數(shù)據(jù)進(jìn)行樸素貝葉斯的學(xué)習(xí)。所謂家庭經(jīng)濟(jì)調(diào)查法是指各種不通指標(biāo)的調(diào)查方法來確認(rèn)家庭或個(gè)人是否有能力支付學(xué)生的教育費(fèi)用，以此確認(rèn)家庭或個(gè)人是否屬于貸款資助的目標(biāo)。國(guó)外家庭經(jīng)濟(jì)調(diào)查主要以收入和能力兩條途徑來考察其經(jīng)濟(jì)負(fù)擔(dān)能力。幾乎所有的收入狀況調(diào)查方案不僅以收入作為前提條件，還考慮了其它一些參考指標(biāo)，如職業(yè)類型，住房類型及居住地域，家庭汽車，家庭規(guī)模，子女的年齡、性別、種族等。其中，美國(guó)是以家庭收入作為貧困生認(rèn)定的唯一標(biāo)準(zhǔn)，原因在于其完善的收入查證和收入稅征收體系可以有效通報(bào)和監(jiān)督居民的非勞動(dòng)所得;德國(guó)采用“家庭經(jīng)濟(jì)調(diào)查”的基本依據(jù)是學(xué)生必須提供父母?jìng)€(gè)人所得稅的支付稅單;日本將居民收入、資產(chǎn)指標(biāo)與各種分類指標(biāo)相結(jié)合，用以確定學(xué)生的家庭經(jīng)濟(jì)狀況;菲律賓將收入和資產(chǎn)通報(bào)、一系列的分類指標(biāo)與嚴(yán)格的收入和資產(chǎn)查證相結(jié)合，在貧困生認(rèn)定上共同發(fā)揮作用。在發(fā)展中國(guó)家，非洲的烏干達(dá)主要依靠代理變量，如父親的職業(yè)層級(jí)和擁有的交通工具等來衡量其家庭收入;尼日利亞助學(xué)貸款委員會(huì)使用一種四要素財(cái)產(chǎn)檢測(cè)法，即通過父母職業(yè)、收入、家庭人口數(shù)和正在接受教育的子女?dāng)?shù)目來衡量家庭經(jīng)濟(jì)狀況。在一些拉丁美洲國(guó)家，“家庭經(jīng)濟(jì)調(diào)查”十分嚴(yán)格，內(nèi)容相當(dāng)詳細(xì)。在秘魯，申請(qǐng)貸學(xué)金的學(xué)生甚至要家長(zhǎng)接受面談，內(nèi)容涉及家庭財(cái)產(chǎn)及父母的收入能力，如房產(chǎn)、汽車和土地，父母的工作、雇主和工資收入[3]。

4 算例分析

以某學(xué)校為例，采集該校新進(jìn)校學(xué)生的家庭情況數(shù)據(jù)共一萬條。主要數(shù)據(jù)指標(biāo)為：（1）父母職業(yè);（2）家庭成員構(gòu)成;（3）家庭是否存在患有重大疾病的成員;（4）父母中任意一方是否為殘障人員;（5）是否為單親家庭;（6）家庭是否負(fù)債;（7）近兩年是否遭遇重大自然災(zāi)害等。

使用第2章所述的算法輸入數(shù)據(jù)，并使用建檔立卡的學(xué)生數(shù)據(jù)和已知較富裕家庭的學(xué)生數(shù)據(jù)作為標(biāo)簽進(jìn)行訓(xùn)練。訓(xùn)練完成后，選取除建檔立卡以外的學(xué)生數(shù)據(jù)進(jìn)行預(yù)測(cè)，分別預(yù)測(cè)其為貧困生的概率以及非貧困生的概率，選擇概率較高的類別作為最終預(yù)測(cè)。同時(shí)，對(duì)這400名同學(xué)的家庭進(jìn)行摸查，以確認(rèn)真實(shí)情況。使用本文方法與隨機(jī)森林以及支持向量機(jī)進(jìn)行比較，檢測(cè)精度如表1所示。正確率為被檢測(cè)出的貧困生占實(shí)際貧困生的比例;誤測(cè)率為實(shí)際的貧困生被檢測(cè)為非貧困生的比例。可以看出，樸素貝葉斯算法較其他方法檢測(cè)準(zhǔn)確度更高[4]。

5 結(jié)語

本文研究了一種基于樸素貝葉斯算法的高等學(xué)校貧困生認(rèn)定算法，通過采集學(xué)生的家庭背景數(shù)據(jù)，提取其中關(guān)鍵指標(biāo)，再采用樸素貝葉斯算法對(duì)其中的貧困生進(jìn)行預(yù)測(cè)，從而辨識(shí)出真正的貧困生。采用實(shí)際算例進(jìn)行分析，其結(jié)果表明了本文提出方法的有效性。

參考文獻(xiàn)

[1] 唐穎，李明江.數(shù)據(jù)挖掘在高校貧困生消費(fèi)信息管理中的應(yīng)用研究[J].湖南商學(xué)院學(xué)報(bào)，2011，18（6）：45-49.

[2] 李明君.基于數(shù)據(jù)挖掘的貧困助學(xué)金認(rèn)定方法研究[D].華中師范大學(xué)，2017.

[3] 李珊娜.基于校園一卡通平臺(tái)的數(shù)據(jù)挖掘應(yīng)用研究[J].鐵路計(jì)算機(jī)應(yīng)用，2010，19（6）：55-58.

[4] 費(fèi)小丹，董新科，張暉.基于校園一卡通消費(fèi)數(shù)據(jù)的高校貧困生分析[J].電腦知識(shí)與技術(shù)，2014（20）：4934-4936.