高职毕业生就业预测模型创建与分析.docVIP

高职毕业生就业预测模型创建与分析 　　摘要：在海量的数据中，可以利用数据挖掘技术找出数据之间的关联关系，通过对数据关系的分析，为决策者提供决策的依据。本文通过对毕业生就业信息的分析，创建一个就业的预测模型，利用该模型来预测毕业生能否顺利就业，找出影响就业的因素，为学院在人才培养方面提供相关的数据支持。 　　关键词：毕业生 就业 预测模型 创建 分析 　　 　　高职学院毕业生的就业工作，既是一项关系众多家庭的民生工作，也是一项幸福工程。随着高校毕业生人数的增加，毕业生的就业压力也日渐突出，因而，培养什么样的学生，如何去培养学生，是高校培养人才工作的重中之重。利用数据挖掘技术，可以从以往的毕业生就业数据分析出与就业相关的因素，为人才培养提供决策依据。 　　1 毕业生就业模型的系统分析 　　1.1 问题的定义 可以收集学院毕业生的就业信息，通过对这些数据进行分析处理，建立一个毕业生的就业分析模型，从中找出和就业联系紧密的因素，为学校的改革提供决策参考。将收集到的毕业生就业信息录入到数据表中，然后对数据表中的数据进行预处理（清洗），使其适合数据挖掘。将数据随机分成训练集和测试集，选择合适的挖掘方法，利用训练集数据创建初始的预测模型，利用测试集数据对初始预测模型进行验证，经过验证如果不合格，需要重新抽取数据建立模型，否则利用验证后的数据对毕业生进行就业的预测。项目目标说明书如图1所示。 　　1.2 系统的研究对象 毕业生在就业时选择企业和企业选择毕业生的双向选择，是一个比较复杂的过程。但目前，很多的高职学院提出以“就业为导向”的办学指导思想，也就是学校培养毕业生应当以企业的需求为根本出发点，学校站在企业的角度去考虑应该培养什么类型，什么条件的毕业生，才能够提高就业率，因此，本课题所考虑的实体只有一个：毕业生。根据学院的毕业生就业信息系统分析的结果，可以得到图2所示的毕业生实体模型。 　　2 毕业生就业分析模型的创建 　　2.1 创建数据库 根据图2的实体模型，综合毕业生调查报告分析得出结论，将本数据库的字段设置为14个，如???：序号，姓名，性别，成绩，专业名称，班干否，英语水平，计算机水平，综合能力，工资待遇，专业对口否，主观意愿，行业发展，就业否。由于数据挖掘技术中的ID3算法只能处理离散的数据信息，为了能够将收集到的信息进行数字化处理，除姓名字段的类型设置为字符串以外，其余各字段的值的类型设置为整型数据，并将Excel中的数据信息导入到Access表中。 　　利用数据清理的方法，对收集到的数据进行处理。比如，对于性别字段而言，只有两个值“男”和“女”，因此将所有“男”值替换为数值1，将所有“女”值替换为2。根据该学院的专业设置情况，将“专业”字段总共分为6个大类，其中计算机通信和通信技术专业统称为通信类，将其值设置为0，电子技术应用和信息技术统称为电子类，将其值设置为1，其余的各专业类别有会计类，艺术类，运输管理类和机械制造类，它们的值依次为2，3，4，5。根据这样的处理办法，对其余各字段进行最后的处理。 　　2.2 创建模型 根据决策树模型的创建要求，需要将数据集随机分成两个部分，一部分是训练集，约三分之二的记录，用于创建就业预测模型；另一部分是测试集，约三分之一的记录，用于验证模型的正确率。由于ID3算法是以信息增益作为属性的度量值，因此，通过计算每个属性的信息增益来选择决策树的当前结点。 　　为了能够实现预测毕业生的就业是否成功，因此，最终需要的属性为“就业否”，也就是分类属性是“就业否”。该字段包含2种类型的值，它们分别是0，1（未就业、已经就业），经过统计，其中0有144个样本，1有834个样本。样本“就业否”分类所需的期望信息由公式1决定。 　　I（s1，s2）= （公式1） 　　由此可以计算出“就业否”的期望信息，I（144，834）=0.60288，然后再计算每一个字段的接下来计算（除“姓名”和“就业否”以外）每一个属性的熵。熵的计算公式由公式2完成。 　　（公式2） 　　根据期望信息和熵，可以得到对应的信息增益值。信息增益由公式Gain(A)=I(s1， s2， …， sn)－E(A)计算出来。 　　因此，计算出来的各字段的信息增益值如下：Gain(专业) =0.0252，Gain(成绩) =0.0312，Gain（班干否）=0.0035，Gain（英语水平）=0.0967，Gain（计算机水平）=0.1077，Gain（综合能力）=0.2557，Gain（工资待遇）=0.0475，Gain（专业对口否）=0.0395，Gain（主观意愿）=0.0783，Gain（行业发展）=0.0482。第一次计算出来的最大值为是“综合能力”，所以“综合能力”是树的根，计算树的其它结点时，必