基于数据挖掘的生就业特征实证研究.docVIP

基于数据挖掘的生就业特征实证研究-建筑论文 基于数据挖掘的毕业生就业特征实证研究 刘轶彤 （天津职业大学经济与管理学院，中国 天津 300410） 【摘　要】本文以现代人才管理和现有的数据库挖掘理论为指导，研究基于数据挖掘和决策树技术，结合某高职院校毕业生管理数据，提出C4.5的决策树算法在毕业生管理系统中的应用。本文对实验过程中产生的毕业生特征分析决策树模型和分类规则做了详细的介绍，发现决策属性在毕业生就业特征类别的决定性作用，以此为高校领导层提供决策支持，提高业务水平、完善的培训机制，对高校课程的开设和毕业生管理指导工作具有一定的意义。 关键词 毕业生信息管理；分类挖掘；决策树 0　概述 数据挖掘的英文表示为Data Mining，其作用就是能够从很多不完整和接近模糊的数据中，提取有价值的数据和信息，这些信息其实就是蕴含其中但是又很难预先发现的有效信息。一般情况下，原始数据就是知识的源头，其分为结构化的，半结构化的，异构型的[1]。知识的获取可以通过多种形式来实现，知识获取之后的应用比较广泛，比如信息管理、信息查询等，甚至可以用来维护自身数据。数据挖掘涉及的学科众多，将多个领域的研究者集中在一起，因此，对数据挖掘进行研究具有较强的理论意义[2]。 1　毕业生就业特征分析 1.1　实验计划 本实验选择某高职院校2013年330名毕业生的存档信息，从中随机抽取264个训练样本作为分析对象，预计从毕业生的多种信息里面，挖掘出优秀毕业生的特征，从而为高职院校人才培养提供决策依据。 1.1.1　信息来源和数据集 分析毕业生的优秀特征情况，从海量数据信息中提取毕业生的基本信息，即毕业生学号、年龄、性别、所学专业、成绩、获奖情况等。数据集snapshottrainN.db，以下是该数据集的部分字段名：id. 唯一的识别号；age. 年龄；sex. 性别；jobs. 所学专业；income. 收入；unprofessiona. 非专业对口；winning. 获奖次数；party member. 是否党员；save_act. 是否低分；Educatione. 成绩；pep. （进行数据挖掘）是否为已经就业的毕业生。 1.1.2　总体分析步骤 数据挖掘为了得出隐藏在数据中的有价值的信息，一般来说，其最后结局是难以预料的，但是站在决策者以及设计者角度来说，要明确问题的方向性和结果性，数据挖掘一旦存在不可以预知性，则表示盲目行事，分析也就难以获得成功[3]。分类挖掘的目的是找出隐含的知识，以便明了化，本实验选择C4.5挖掘算法，对经过转换的数据进行挖掘，对结果进行分析、解释和评估。第一步是数据准备，将毕业生信息管理数据表合成，从中提取与绩效考核成绩相关性较大的特征属性，生成高职院校毕业生管理信息表；第二步是建立模型，包含分类原则和决策树的建立；第三步是对数据进行挖掘并得出规则；第四步是结果分析。 1.2　实验流程 1.2.1　实验准备 在数据源里，海量的历史数据，属性众多，定义繁杂，具有明显的非完整性，数据挖掘前期要从这些海量数据中提取有效的数据。该实验选择信息增益率的方式来明确属性选择，其默认方式选择最高信息增益率作为节点的测试划分标准，由此来保证在信息量需求最小的情况下，也能产生最简单的决策树[4]。在提取信息增益率的时候，利用相关计算公式，提取最高信息增益率的相关数据，将之作为给定集合S的测试属性，并创建出一个对应节点，然后创建分支，再对样本进行划分。 1.2.2　数据归纳 在数据归纳过程中使用面向属性的方法，即建立在数据库中的关系表上，并收集有效数据汇集成表，以分析和泛化各个属性，并将所有和决策规则相关的属性都查询处理，从而建立具有高效的、或压缩或泛化式的数据集合式分类样本模型，目的是减小数据规模，与属性值有关联，不与原始数据产生任何关系，从而更为有效地产生决策树。 对毕业生关系数据库进行相应的处理，提取出有用的信息,得到毕业生就业情况信息表，利用迎合算法对该数据进行转化。 1.2.3　建立决策树模型 分类是数据挖掘中的一个重要目标和任务，不同于聚类，被称为监督学习，对于现有的类别进行较为具体详细的类别性质的描述，对于新的观察值再进行类别性分类[5]。本实验采用决策树方法对毕业生特征进行分类挖掘，建立的训练集从实用角度考虑，并不复杂，故考虑选择ID3或C4.5算法，为了完成数据挖掘的任务，本实验选用C4.5算法对数据源进行挖掘和分类。 在330名毕业生的存档信息资料中，随机抽取264个数据，占总数据的八成，把它们当作训练样本S；剩下二成的数据作为测试集，按预定类别将毕业生分为普通毕业生、优秀毕业生两类。生成决策树必须遵循一定的算法，生成原则依据Ge