D2307512023年第三届中国高校大数据挑战赛一等奖.pdf

所在组别参赛编号

2023年第三届中国高校大数据挑战赛

（本科组）（

bdc230751）

基于集成机器学习模型的行业职业技术培训能力评测研究

摘要

本文针对行业职业技术培训能力评测问题展开分析，基于相关性分析、主成分分析、

熵权法TOPSIS模型、集成机器学习模型和Stacking融合等方法；借助MATLAB、

SPSSPRO、Origin、Lingo和SPSS等软件客观分析了技能考核成绩之间的关联性、并计

算了行业职业技术培训能力的评估及预测等问题，为职业培训的具体实施提供客观、科

学的参考，进而推动行业职业技术培训能力的持续提升。

针对问题1，首先对各技能考核成绩数据集进行预处理，同时对正负类样本数据存

在一定的不平衡进行探索处理，对类别型特征、数值型特征及重要性指标分析见图2-4，

并对不平衡数据采用SMOTE过采样处理结果见表3，优化样本数据结构，有利于数据

分类识别和评估。其次，对采样数据采用Spearman相关系数和Kendall相关系数进行关

联性分析，结果见图6。其结果显示P值均小于0.05，各技能考核成绩与技能考核总成

绩之间呈正相关。最后，本文采用Kendall’sW检验对各技能考核成绩进行一致性分析，

结果显示Kendall协调系数值为0.625，数据的相关性程度呈现高度的一致性。

针对问题2，考虑不同培训学校下的生源质量、学校办学条件、学校师资水平等条

件的差异性，建立基于熵权法TOPSIS模型对培训学校进行综合评判，并使用熵权法赋

予权重，之后计算综合得分，对不同类型的培训学校的培训能力进行了排序，计算得到

培训能力前10的学校见表6。

针对问题3，针对不同培训学校的特点，本文采用主成分分析模型提取关键性指标

并计算主成分得分。得到学校0-5技能培训优势分别为离校技能2、入学技能1、离校技

能1、离校技能1、离校技能1及入学技能2。在KMO检验和Bartlett的检验中，KMO

的值为0.659，P值为0.000***，水平上呈现显著性，主成分分析有效。之后依据主成分

得分对各技能前5名的学校进行评分，具体结果见表9。

针对问题4，基于主成分得分评估计划颁发职业资格证书的学员，然后对职业资格

的评测建立集成机器学习模型（XGBoost、GBDT和RUSBoost），在多分类模型评估指

标中引入了Micro-F1、Macro-F1，之后对训练完成的三个基学习器进行Stacking融合。

得到影响培训学校在技能培训能力主要特征因素如图8所示，其中入学考核总分成绩特

征贡献率超过52%以上，可认为入学考核总分成绩对获取职业资格证书有着非常重要的

影响。另外，模型得分情况如表11所示，最后10名学员职业资格的预测结果如表12所

示，数据表明stacking融合模型的F1预测值在四个分类器中最高，均达到0.98以上，学

习效果更好。最后，本文针对职业资格评测模型进行了灵敏度分析和稳健性检验，用于

进一步提高模型的精准度和鲁棒性。

关键词：职业培训；相关性分析；TOPSIS模型；集成机器学习；Stacking融合

1

1问题重述

1.1研究背景

中国作为制造业大国，对技术工人的需求量大。为此，全国设立了多类职业技术培训

学校，提供五种技能培训。学员在入学和离校时均需接受统一考核，成绩决定其职业资格

证和就业推荐，也作为主管部门评价培训学校培训效果的依据。但长期以来，这种以离校

考核成绩为唯一评价标准的做法存在问题。学员成绩不仅受培训学校培训能力影响，还受

学员自身素质等因素制约。因此，部分学校更重视生源质量而非改进培训方法，导致培训

效果不均，挫伤了学校和教员的积极性，降低了总体培训质量。因此，对培训学校进行公

正合理的培训能力评价至关重要。

本研究旨在