基于分类与预测的两段式就业指导系统的分析.docVIP

基于分类与预测的两段式就业指导系统的分析-就业指导论文 基于分类与预测的两段式就业指导系统的分析 基于分类与预测的两段式就业指导系统的分析 Analysis on Two Sections Employment Guidance System Based on the Classification and Prediction 吴静 WU Jing （福州软件职业技术学院计算机系，福州 350002） （Computer Engineering Dept of Fuzhou Software Technology Vocational College，Fuzhou 350002，China） 摘要：本文研究分类与预测技术在学生就业指导中的应用。主要分为入学后的就业指导与求职前的就业指导。利用了决策树模型分析出贡献度最大的分裂属性，对学生进行入学前就业指导。利用基于类平均距离对学生可能就业的单位进行预测，为学生求职时提供有价值的指导信息。 Abstract: This paper studies the application of classification and prediction technology in the student employment guidance. It mainly divides into the employment guidance after the entrance and before applying the job. The largest contribution splitting attributes are analyzed by the decision-making tree model to carry out the employment guidance before the entrance of students. It uses the group average distance to predict possible employment units of students to provide the valuable guidance information for students in the job hunting. 关键词 ：决策树；类平均距离；就业指导 Key words: decision-making tree；group average distance；employment guidance 中图分类号：TP301.6 文献标识码：A文章编号：1006-4311（2015）20-0258-02 0引言 来自教育部公布的最新数据显示，我国高校毕业生的数量由2001 年的 114 万增加到 2014 年的 727 万。为了提高就业率，决策者们很想知道如何培养学生，使其能在就业市场找到理想工作。高职院校一般已建立了比较完善的学生信息管理系统，积累了大量的历史数据。但这些资料都没有或很少被利用，学校在制定学生的培养方式时较少的利用这类信息。如能从这类信息中找到一个一般规律，启发相应管理者注意哪些学生应注重哪些方面，则会起到相当好的效果。对学生的就业指导并不是到学生即将毕业时才进行的工作，应是在学生入学后就立即展开的工作。本文利用分类与预测的数据挖掘的理论和技术应用到“两段式就业指导”实际研究中，使用决策树模型对学生进行入学前就业指导，利用基于KNN分类与预测模型对学生进行了毕业就业指导[1]。 1数据准备 本文所采用的样本数据主要来自于福建某高职院校的学生信息。基本的数据表有学生个人情况表、学生成绩表、学生就业登记表。在每种就业单位类型的学生样本抽取若干学生记录组成测试样本数据。 在进行样本选择时，主要从四个维度进行考虑：课程的平均成绩，该维度可以体现学生的平均学习能力；实践成绩与毕业设计成绩，该维度可以体现学生的实际动手能力；英语成绩，该维度可以体现学生第二技能的掌握能力（英语专业学生除外）。样本数据的提取主要数据库语句为：Select* from View_KNN。 其中，View_KNN是为存放各种类型的学生信息的就业视图，将所有数据作为测试样本。接下来需对一些数据进行数值化处理，以便算法的实现，同时输入每个属性的权值，并选取测试数据，以便接下来的测试工作的实现。 2决策树模型在两段式就业指导中的应用 对于决策模型来讲，所谓的分类就是将未知对象与预先定义好的类中知识进行学习的完整过程。构造过程是从多个分裂属性中选取一个分裂属性作为根结点[2]，这是第一个要解决的问题，这主要是依据分裂属性的信息增益来决定。当根结点确定完后，那么接下来是要确定下层的结点