由于高校的连年扩招，各个学校都积累了大量的学生基本数据信息和学习成绩数据信息，但是这些数据都还停留在备份、查询、简单的统计的阶段，不能发挥其应有的作用。这样就导致大量的成绩数据只是以各不相同的表格形式存储于不同的计算机上，不利于对这些数据所隐含的信息进行充分的挖掘分析，不便于教学管理部门进行有效的教学评价，也不利于教师对其所带学生的学习情况进行全面的指导。本文主要应用数据挖掘技术中的决策树技术对高校学生的成绩进行分析，找出影响学生成绩取得“优秀”和“差”的因素。在建立分类模型时，以信息增益率作为属性选择的度量标准，对学生成绩是否为“优”的数据训练集应用决策树技术中的C4.5算法来进行模型的建立，从而生成分类规则，得出影响学生成绩为“优”的因素。C4.5算法中以信息增益率作为属性选择的度量标准时，在计算属性的信息量时涉及到了对数运算，计算时间效率低下。对计算属性的信息量公式进行改进，形成新的信息量计算方法。应用改进后的C4.5算法对属性进行信息增益率的计算，并且对学生成绩是否为“差”的数据训练集进行模型的建立，生成分类规则，得出影响学生成绩为“差”的因素，为教师有针对性的提高教学质量提供了有力的数据支持。