学生用户画像-考勤主题扩展标签构建实验报告

1 实验说明

1.1 实验目的

基于已完成的学生考勤主题标签表（student_attendance_stats），使用K-Means聚类算法对学生考勤行为进行自动分群。具体目标包括：

• 通过迟到、早退、请假、校服违规次数等核心指标，识别不同类型的考勤群体；

• 生成可解释的考勤画像，为校园学生管理、行为分析提供精准数据支撑；

• 掌握助睿AI平台零代码机器学习建模的全流程操作。

1.2 实验环境

• 工具平台：助睿数智（Uniplore）在线实验平台（访问地址：https://lab.guilian.cn/）

• 本次实验使用以下功能子平台：

• 数据库：MySQL（团队私有数据库）

• 前置数据：学生考勤主题标签表（student_attendance_stats）

2 实验数据

2.1 数据构成

本次实验使用上一实验输出的学生考勤主题标签表，数据包含学生基础信息与考勤次数统计结果，为聚类建模提供干净、标准化的特征数据。

2.2 字段说明

2.3 建模思路

通过对数据的观察以及考勤分群的业务需求分析，确定本次建模思路如下：

2.3.1 变量选择聚焦考勤行为核心指标

基于考勤业务理解，将变量聚焦在四类行为维度：

每个维度直接反映一类考勤特征，变量间业务含义独立、相关性低，可直接用于K-Means聚类建模，避免变量冗余导致模型解释困难。

2.3.2 数据类型适配算法要求

本次建模采用次数类连续变量，均为非负整数，满足K-Means对数据类型的要求，无需进行哑变量编码或特殊转换，可直接输入模型，简化预处理流程。

2.3.3 辅助变量不参与聚类

学生基础离散属性（性别、年级、住校状态等）不参与聚类建模，仅作为后续画像标签的辅助解释变量。

3 实验步骤

3.1 AI Studio聚类建模

人工智能平台（AI Studio）是一站式大数据智能应用平台，以零代码拖拽的方式简化机器学习全流程，提供从数据加载、预处理、特征工程到模型训练与评估的完整解决方案。

3.1.1 新建工作流

进入人工智能平台（AI Studio），点击【+】→【新建工作流】。

AI Studio页面主要包含三个模块：菜单栏、控件列表以及画布（用于工作流构建）。

3.1.2 数据导入

步骤1：拖拽“数据库加载”控件

搜索“数据库加载”控件，拖拽至画布。

步骤2：配置数据库连接

双击控件，在右侧配置窗口中填写团队私有数据库连接信息，点击【连接】。

步骤3：选择数据表

在弹出的窗口中，选择 student_attendance_stats 表。

步骤4：字段选择与属性配置

选择后自动加载表信息。本实验主要分析各类异常考勤特征，字段配置如下：

步骤5：运行并查看结果

右键点击“数据库加载”控件，选择【运行该控件】。运行成功后，右键【查看输出结果】。

3.1.3 K-Means聚类建模

步骤1：添加K-Means组件

拖拽“K-Means”组件到画布，创建从数据库加载组件到K-Means组件的连线。

步骤2：配置K-Means参数

双击K-Means组件，在配置窗口中：

• 簇数量：选择固定为3个

• 其他参数保持默认

步骤3：运行并查看结果

右键运行该控件，查看输出结果，可以看到每个学生分别被标记了对应的簇类C1/C2/C3。

3.1.4 结果输出与保存

步骤1：添加数据入库组件

拖拽“数据入库”组件到画布，创建K-Means组件到数据入库组件的连线。

步骤2：配置入库参数

双击数据入库组件，填写团队私有数据库连接信息，点击【获取表信息】。

步骤3：新建目标表

在弹出的窗口中，选择“新建数据表”，表名称修改为 student_cluster，点击【确定】。

步骤4：执行工作流

点击运行，各控件均运行成功则工作流执行完成。

3.2 分析聚类簇编号对应的考勤群体分类

上一步骤输出的聚类簇编号无法直接确定对应的考勤群体分类，需要通过助睿BI可视化分析来解读。

点击实验平台左边菜单【助睿BI】，进入可视化分析平台。

3.2.1 连接数据源

步骤1：新建数据源连接

点击左边菜单【数据源】→ 左上角【+】→【新建连接】→【MySQL】。

步骤2：配置连接信息

输入团队私有数据库的连接信息，点击【测试连接】，显示“测试连接成功”后点击【确认】。

步骤3：验证数据表

点击新建的数据库目录，可以看到 student_cluster 表，右键可预览数据。

3.2.2 构建数据集

步骤1：新建数据集

点击左边菜单【数据集】→ 左上角【+】→【新建数据集】。

输入数据集名称（如“聚类簇编号数据集”）、选择所属分组，点击【确认】。

步骤2：选择数据源

数据集创建成功后自动跳转到配置页面。选择数据源为刚才创建的MySQL连接，目录选择 labs。

步骤3：拖拽数据表

将 student_cluster 表拖拽至画布中。

步骤4：修改字段备注

将字段备注修改为中文，便于识别：

步骤5：保存并发布

点击画布左上角【保存】，在提示中选择【保存并发布】。只有发布后的数据集才能在工作表中引用。

3.2.3 制作工作表

工作表是助睿BI平台中用于承载可视化图表、完成数据探索与分析的核心单元。

3.2.3.1 创建分组

点击左边菜单【工作表】→ 左上角【+】→【新建分组】，创建“聚类簇考勤画像分析”分组。

3.2.3.2 制作迟到与早退次数组间分析

步骤1：新建工作表

右键分组名称，选择【新建工作表】，命名为“迟到早退次数的聚类簇分析”。

步骤2：选择数据集

在数据集选择框中，选择刚刚创建的“聚类簇编号数据集”。

步骤3：配置图表

• 图表类型选择“探索器”

• X轴：late_count（迟到次数）

• Y轴：early_leave_count（早退次数）

步骤4：设置颜色分组

点击图形设置按钮，在颜色区域点击【+】，选择“Cluster（聚类簇编号）”。

步骤5：设置信息标签

点击信息区域【+】，选择“student_id（学生ID）”，并将student_id设置为“维度”。

步骤6：调整显示限额

系统默认限额2000条数据，将限额设置为100%以确保显示全部数据。

步骤7：设置配色方案

点击颜色区域的设置按钮，选择对比强烈的主题。

步骤8：保存工作表

点击保存按钮，保存并发布工作表。

3.2.3.3 制作其他组合分析工作表

按照相同步骤，依次制作以下工作表：

3.2.4 搭建仪表盘

为了便于综合分析，将制作的6个工作表集中展示在一个仪表盘中。

步骤1：新建仪表盘

点击左边菜单【仪表盘】→ 左上角【+】→【新建仪表盘】，输入名称“聚类簇分析”。

步骤2：添加标题文本

在右侧组件区域，拖拽一个“文本”组件到画布，输入“聚类簇分析”，设置字体颜色、大小、加粗、居中。

步骤3：调整组件布局

鼠标移至组件右下角可拖动调整大小，点击右上角图钉图标可固定位置。

步骤4：添加工作表组件

切换到【工作表】标签，将3.2.3节制作的6个工作表拖拽至画布中。

步骤5：调整仪表盘布局

按住图表顶部中间位置可拖动，使用鼠标调整图表大小和布局，达到预期效果。

步骤6：保存仪表盘

点击保存按钮，保存并发布仪表盘。

3.2.5 聚类群体画像解读

结合6组两两指标散点图的分布特征，为C1、C2、C3三类聚类簇赋予清晰的业务含义：

各群体详细解读：

• C1（蓝色，自律模范型）：在迟到、早退、请假、校服违规次数的所有组合中，数据点高度集中在低频次区间，无明显离群值。这类学生出勤稳定、纪律意识强，是校园考勤行为的正面典型。

• C2（青色，轻微波动型）：整体数据点同样集中在低频次区间，但相比C1分布略散，少量记录存在轻微的校服违规或请假行为，迟到、早退次数始终保持低位。这类学生整体纪律可控，属于需要日常提醒的群体。

• C3（黄色，纪律高危型）：数据点呈现明显的“离群特征”，在迟到次数与其他指标的组合图中，出现了大量高频迟到记录，且伴随不同程度的早退、请假或校服违规行为，是唯一存在多维度叠加违纪的群体，需要重点关注和干预。

3.3 将映射结果加入学生考勤主题标签表

需要将聚类群体分类数据回写到上一实验输出的 student_attendance_stats 表中。

3.3.1 新增扩展字段

student_attendance_stats 表中没有考勤群体分类字段，需要先增加两个字段：

操作步骤：

进入数据集成平台，在上一实验创建的项目中新建转换流“增加考勤主题扩展标签字段”，拖拽“执行一个SQL脚本”组件。

配置SQL脚本：

1. ALTER TABLE student_attendance_stats

2. ADD COLUMN cluster VARCHAR(10) NULL DEFAULT NULL COMMENT '聚类簇编号',

3. ADD COLUMN attendance_group VARCHAR(30) NULL DEFAULT NULL COMMENT '考勤群体分类';

执行转换流。

3.3.2 聚类簇编号数据获取

新建转换流“增加考勤群体分类标签”，拖拽“表输入”组件，从团队私有数据库获取 student_cluster 表的所有数据。

3.3.3 字段选择

添加“字段选择”组件，只保留 student_id、Cluster 两个字段。

为确保数据类型一致，在【元数据】选项中将 student_id 类型修改为Integer。

3.3.4 聚类簇编号映射

添加“值映射”组件，将聚类簇编号映射为中文群体分类：

3.3.5 更新学生考勤主题标签表

添加“更新”组件，配置如下：

• 数据库连接：团队私有数据库

• 目标模式：labs

• 目标表：student_attendance_stats

更新条件（关键字）：使用 student_id 作为匹配字段

更新字段映射：

3.3.6 运行转换流

点击运行按钮，执行转换流。

3.3.7 查看结果

1. 切换至【元数据】选项，右键“团队私有数据库”，点击【加载元数据】

2. 点击【数据探查】，进入数据探查页面

3. 点击 student_attendance_stats 表，选择【查询】标签页

可以看到 cluster、attendance_group 字段已成功更新。

4 实验结果

4.1 聚类模型结果

4.2 最终学生考勤主题标签表

student_attendance_stats 表现在包含完整的考勤统计与聚类画像字段：

5 核心组件说明

5.1 AI Studio组件

5.2 助睿BI组件

5.3 数据集成组件

6 常见问题与解决

问题1：K-Means聚类结果无法直接解读

现象：K-Means输出的聚类簇编号为C1、C2、C3，无法直接对应具体的考勤群体类型。

解决方法：通过助睿BI制作6组两两指标散点图，观察各聚类簇在不同指标组合下的分布特征，结合业务经验为每个簇赋予明确的业务含义（自律模范型、轻微波动型、纪律高危型）。

问题2：数据类型不一致导致更新失败

现象：执行更新组件时，student_id 字段类型不匹配导致更新操作失败。

原因：聚类结果表中的 student_id 为String类型，而目标表中的 student_id 为Integer类型。

解决方法：在“字段选择”组件的【元数据】选项中，将 student_id 的类型修改为Integer，确保类型一致。

问题3：仪表盘图表数据显示不全

现象：仪表盘中部分图表只显示了部分数据点。

原因：系统默认限额为2000条数据，当数据量超过2000时会被截断。

解决方法：在工作表设置中，将显示限额设置为100%。

7 实验总结

本次实验完成了以下工作：

7.1 技术能力提升

• AI Studio建模能力：掌握了从数据加载、K-Means聚类到结果入库的零代码机器学习全流程操作；

• 助睿BI可视化分析能力：学会了数据源连接、数据集构建、工作表制作、仪表盘搭建的可视化分析全流程；

• ETL数据回写能力：掌握了通过字段选择、值映射、更新等组件完成聚类标签回写至原始表的操作。

7.2 业务价值实现

• 考勤群体自动划分：基于迟到、早退、请假、校服违规四个核心指标，利用K-Means算法完成学生考勤行为的自动分群；

• 可解释的画像构建：通过多维度可视化分析，为机器生成的聚类簇赋予明确的业务含义，形成三类可解释的考勤画像：

  • 自律模范型：全维度异常次数极低

  • 轻微波动型：偶发轻微违规，整体可控

  • 纪律高危型：多维度违纪叠加，需重点关注

• 数据资产沉淀：将聚类结果回写至学生考勤主题标签表，完成考勤主题扩展标签构建，为后续精准管理、行为干预提供数据支撑。

7.3 平台优势总结

相比传统编写Python代码进行聚类分析的方式，助睿平台提供了完整的零代码解决方案：

本实验为后续更复杂的机器学习场景（如分类预测、时序分析、异常检测等）奠定了良好的基础。

附录：

• K-Means聚类参数配置详情见3.1.3节

• 值映射配置详情见3.3.4节

• 更新组件配置详情见3.3.5节