大學生個人消費總結

導語：在大學生個人消費總結的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領您探索更多的創(chuàng)作可能。

第1篇

關鍵詞：數(shù)據(jù)挖掘；聚類；貧困生分析；校園一卡通 ；消費數(shù)據(jù)

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2014）20-4934-03

Analysis of Impoverished College Students Based on Campus Card Consumption Data

FEI Xiao-dan1， DONG Xin-ke2，ZHANG Hui2

（1.School of National Defense Science and Technology， South West University of Science and Technology， Mianyang 621010， China；work Information Center， South West University of Science and Technology， Mianyang 621010， China）

Abstract：At present， most of the universities and colleges in China have established a comprehensive system for aiding impoverished students. However， two of the factors accounting for the fact that identifying poor students is still a difficult problem are that the poor students application information is somewhat subjective and that the degree of poverty is difficult to quantify. Seeking an objective and efficient evaluation criterion for identifying impoverished students is one of the most important research themes in college funding. In this paper， data mining tools such as the K-means clustering algorithm are used to analyze campus card consumption data. In addition， based on the clustering result， an impoverished students index algorithm for calculating each student’s poverty index is established， which assists in decision-making of college funding.

Key word： data mining； clustering； analysis of impoverished students； campus card ； consumption data

我國已逐步建立起“獎、貸、助、補、減、免”等多種形式有機結合的較為完善的高校貧困生資助政策體系[1]。但是現(xiàn)有的基于人工的貧困生認定工作難以甄別申請材料的真實性，在認定中存在一定的主觀因素，同時也不能量化學生的貧困情況，如何客觀、高效地認定貧困生依然是一件十分困難的工作。

校園信息化建設的飛速發(fā)展使得利用學生平時在校的消費信息分析學生的消費行為成為了可能[2]。該文以西南科技大學一卡通消費數(shù)據(jù)為基礎，采用開源的數(shù)據(jù)挖掘工具weka進行二次開發(fā)來分析學生的消費行為，同時提出了K-means聚類算法下的貧困指數(shù)計算方法來輔助高校中的貧困生認定工作。

1 貧困生認定與校園一卡通消費數(shù)據(jù)

干凈而合乎要求的數(shù)據(jù)是數(shù)據(jù)挖掘成功應用的基礎[3]，如何從海量的校園一卡通數(shù)據(jù)中獲取準確真實反映學生消費行為的數(shù)據(jù)成為貧困生分析的關鍵之一。

本文的工作主要是以校園一卡通數(shù)據(jù)為基礎，借鑒高校學生經(jīng)濟困難程度評估方法[4]，分析學生的消費數(shù)據(jù)，客觀反映消費數(shù)據(jù)中體現(xiàn)的學生貧困狀況。因此，需要全面考慮消費數(shù)據(jù)中能夠反映貧困生的數(shù)據(jù)指標。

根據(jù)對高校學生資助工作的調查了解和對現(xiàn)有貧困生的分析和調查，該文提出：貧困生使用校園一卡通在校內(nèi)消費頻率較高的假設。

通過如圖1所示的流程進行數(shù)據(jù)的提取分析。

在假設前提下，經(jīng)過以上的操作，提取最能反映學生消費狀況的數(shù)據(jù)[5]。該文有針對性地選取了一卡通消費數(shù)據(jù)中統(tǒng)計出的某段時間內(nèi)學生個人消費總次數(shù)（xfzcs）、消費總金額（xfzje）、次均消費金額（cjxfje）和日均消費金額（rjxfje）四個指標作為數(shù)據(jù)挖掘的基礎參考特征指標。

2 聚類算法與選擇數(shù)據(jù)預處理

為了達到高效、快捷、可擴展性強等要求，該文采用在Weka開源工具二次開發(fā)[6]的基礎上，選擇聚類算法進行貧困生數(shù)據(jù)的挖掘。選擇哪一個聚類算法和數(shù)據(jù)預處理的好壞關系到整個貧困生分析的效果。

2.1 聚類算法選擇

本文對Weka中所有自帶的聚類算法進行了實驗[7]。通過對聚類效率、算法靈活性、實施復雜程度、參數(shù)個數(shù)、聚類分布、是否適合貧困生分析等等方面進行了對比分析。大量實驗的結果顯示，K-means算法是這些聚類算法中最合適的算法。因此，該文選擇K-means算法作為貧困生消費數(shù)據(jù)分析的聚類算法。

2.2 數(shù)據(jù)預處理

本文研究數(shù)據(jù)全部是西南科技大學校園一卡通數(shù)據(jù)庫中各項真實消費數(shù)據(jù)，首先對一卡通數(shù)據(jù)庫中的龐大數(shù)據(jù)進行清洗、過濾、篩選[8]形成貧困生分析數(shù)據(jù)倉庫。為了使預處理后的數(shù)據(jù)符合weka的輸入，進一步對數(shù)據(jù)倉庫中經(jīng)過規(guī)范、清洗、規(guī)約后得到的數(shù)據(jù)采用Weka預處理工具進行了數(shù)據(jù)格式變換。

3 實驗

在Weka 3.6.0平臺上進行二次開發(fā)，利用K-means聚類結果構建學生貧困指數(shù)算法，計算出學生的貧困指數(shù)，直觀反映學生的貧困狀況。

3.1 聚類處理

首先，參數(shù)選擇上本文實驗采用如下參數(shù)設置：1） 最大迭代次數(shù)都設置均為500；2） 每次均隨機初始化聚類；3） 聚類的組數(shù)分別為5組至15組。

本實驗在西南科技大學中的9個學院學生一學期的消費數(shù)據(jù)上進行，其中每個學院的人數(shù)都在1000人以上，能夠很好地反映全校各學院學生的消費情況。

實驗將前面預處理完成的符合K-means輸入格式的數(shù)據(jù)在Weka工具中進行聚類，調整聚類組數(shù)，依次得到每個組的聚類結果。

實驗總共產(chǎn)生16組結果，聚類結果顯示：1） 被聚類的數(shù)據(jù)項為100%；2） 聚類的時間均在0.12s以下；3） 聚類的組數(shù)可控；4） 類別內(nèi)的誤差平方和在22以內(nèi)，整體較低，反映了聚類的準確率較高，其中，組數(shù)為5的時候最高為21.920955836779992，組數(shù)為15的時候最低為8.843188728817841；5） 聚類的組數(shù)越大聚類的準確率越高。

3.2 貧困指數(shù)算法

在實驗基礎上，對Weka進行二次開發(fā)，并設計出一個可以直觀反映貧困生貧困程度的貧困指數(shù)算法。該文算法是依據(jù)以下對貧困生的調查結果和基本思想提出的：

1） 貧困生使用一卡通消費頻率高。

2） 貧困生消費總金額相對較小。

3） 貧困生次均消費金額較少。

4） 從實際情況分析可以得出，貧困生日均消費金額比較少，而且日均消費頻率較穩(wěn)定。

根據(jù)以上四點，可以總結出：1） 貧困生消費次數(shù)必須達到必要消費次數(shù)；2） 貧困指數(shù)和消費次數(shù)呈正相關，和消費總金額、日均消費金額和次均消費金額呈負相關。根據(jù)總結，提出了如下貧困指數(shù)計算公式，如公式1所示：

其中，PovertyIndex表示學生的貧困指數(shù)，averageTime表示全部學生的平均消費次數(shù)，averageConsume表示全部學生的平均消費金額，[?]表示必要消費次數(shù)控制因子，[λ]表示貧困生消費總金額控制因子。這兩個因子分別用于保證貧困生必須在必要消費次數(shù)以上和貧困生的總消費金額在平均消費水平的多少以內(nèi)。

由貧困指數(shù)的定義可以看到貧困指數(shù)越大學生越貧困，反之則越不貧困。

必要消費總次數(shù)EssentialTime可以用公式2來表示：

本文貧困指數(shù)的計算流程表示在圖2中。

3.3 實驗結果

根據(jù)對資助工作的了解、貧困生的調查以及學生消費行為的研究，并進行實驗分析驗證，最終本文選取[?]的值為0.8，[λ]的值為2/3。

根據(jù)上述的條件，該文得到了各個學院的貧困生指數(shù)計算結果，表1顯示了聚類組數(shù)為7的情況下，某學院的貧困指數(shù)計算結果。

其中，所有數(shù)據(jù)均保留最后實驗結果，貧困指數(shù)越大說明該類的學生越貧困。

4 實驗結果分析與總結

根據(jù)表1的結果可以看到第2組的貧困指數(shù)最大屬于最貧困的一類同學；第1組和第6組次之，屬于較為貧困的貧困一類；第3組和第4組的貧困指數(shù)更低，則屬于不太貧困的一類；第5組和第7組則基本上不在校內(nèi)消費，被認為是不貧困的一類人。

同時，還可以通過調節(jié)聚類的組數(shù)來改變實驗結果的粒度，以便與真實的貧困生認定情況更加吻合，選出符合要求數(shù)目的貧困生人數(shù)。

本文提出的基于校園一卡通消費數(shù)據(jù)的貧困生分析可以總結如下，如圖3 所示：

從整個系統(tǒng)的分析來看，本實驗提出的方法高效、快捷、可擴展以及直觀性強，對高校的貧困生認定工作將有十分積極的貢獻。

5 結束語

本文首先在校園一卡通消費數(shù)據(jù)的基礎上，采用Weka開源工具進行二次開發(fā)，選取K-means聚類算法挖掘學生的消費行為；然后，結合西南科技大學的實際情況，在挖掘結果的基礎上構建貧困生指數(shù)算法計算學生的貧困指數(shù)。該文提供了一種高效、快捷、可擴展以及直觀的貧困生評價體系，不僅可以很好地為貧困生認定提供直接的參考，而且能夠在此基礎上開發(fā)完善的貧困生評定系統(tǒng)，為高校學生資助等管理部門提供了更科學的決策支持。

參考文獻：

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

[2] 李劍波.數(shù)據(jù)挖掘技術在高校貧困生綜合評價中的應用[J].商業(yè)文化， 2009（7）：248.

[3] 邵峰晶，于忠清.數(shù)據(jù)挖掘原理與算法[M]. DynoMedia Inc.， 2003.

[4] 張春生，聶風華，邱顯清.高校學生經(jīng)濟困難程度評估方法研究[J].清華大學教育研究，2006（1）.

[5] YANG D， XIONG Z. Study of the Cognizance Method of the University Poor Student[J]. Meitan Higher Education， 2007（5）：19.

[6] 陳慧萍，林莉莉，王建東，等. WEKA 數(shù)據(jù)挖掘平臺及其二次開發(fā)[J].計算機工程與應用， 2008， 44（19）： 76-79.