应用自然邻居分类算法的大学生就业预测模型.docxVIP

应用自然邻居分类算法的大学生就业预 测模型 朱庆生高璇 重庆大学计算机学院 摘要： 针对因大学生对薪酬预期过高而导致就业难的问题，利用基于自然邻居的分类 算法对近三年信息类专业毕业生的就业数据进行分析，建立了大学生就业薪酬 预测模型.首先采用因子分析方法提取出决定大学生就业薪酬级别的潜在因子并 作为模型输入变量，进而应用基于自然邻居的分类算法对就业薪酬进行分类预 测?其中，自然邻分类算法成功避免了 KNN算法中存在的K值选取难题，且每个 节点的邻居数目会根据数据集的分布状况自适应获取?实验结果表明，该模型的 预测精度高达80. 16%,对于帮助大学生建立合理就业预期、提高就业能力等方 面具有一定指导意义. 关键词： 数据挖掘;白然邻居;分类;因子分析;就业预测； 收稿日期：2016-12-07 Model of College Stu den ts‘ Emolume nt Prediction Based on the Classification Algorithm with Na/tural Neighbor ZHU Qing-Sheng GAO Xuan School of Computer Science and Technology, ChongQing University; Abstract： To solve the problem of hard employment of graduates who expect for the impractical emolument, the paper builds a model for emolument prediction. On the basis of an classification algori thm with natural neighbor (Na N), it analyzes the employment data of graduates majoring in Infonnation Engineering in past three years. The paper uses factor analysis method to fetch the latency of employment emolument level determinants. Classification predicts the emolument by applying the latency as a variable based on the classification algorithm. This algorithm avoids the difficulty of parameter selection in K-nearest neighbor (KNN) . The neighbors of each node can also be acquired as the topography of data set. According to the experiments, the prediction accuracy is 80. 16%. The paper can guide graduates to build a reasonable emolument prediction or improve employment. Keyword： data mining; natural neighbor; classification; factor analysis; emolument prediction; Received： 2016-12-07 随着我国高等教育由精英教育转变为人众教育高校毕业生就业形势日趋严峻.犬 学生就业口益困难的一个重要原因就在于就业预期偏高，且主要表现在对于薪 酬的预期过高?因而对毕业生的就业能力进行准确评估，制定合理的薪酬预期就 显得十分重要.但由于薪酬预测涉及经济学、管理学、人工智能等多学科领域，影 响因素众多，实现较为困难，因此这项研究在成为广大研究人员关注热点的同 时，也成为一项难点研究课题卜3］? 文献［4］系统地分析大学生就业能力结构，提出影响就业质量的三个主要因子为 “就业人格”、“准职业形象”以及“社会兼容度”，但没有对指标进一步分析 和预测，无法在实际生活中起到直接指导大学生择业、就业的作用?文献［5］采用 多项式回归和多元线性回归两种不同的算法实现了对高校就业率的评估和预测， 但预测结果缺乏因果解释口无法对人学生个体的就业质量进行预测?文献［6］提 出采用一种基于信息增益比的决策树构造算法建立大学生就业预测模型，但该 模型无法处理包含高分支屈性和噪声数据的真实数据集，对训练拟合样本