本实验采用ID3算法构建决策树模型预测学生成绩。使用480条学生数据，包含17个属性，通过相关性分析筛选出与成绩显著相关的特征（如VisitedResources、RaisedHands等）。实验步骤包括：数据预处理（离散化连续变量）、ID3建模、效果评估及可视化。结果表明，基于显著相关特征构建的决策树能有效预测成绩等级（准确率待评估）。实验环境为Python，使用Chefboost和Graphv