专科大数据技术专业的毕业设计.pdfVIP

专科大数据技术专业的毕业设计

六月的蝉鸣刚爬上树梢，我就抱着一摞笔记坐在了实训室的电脑前。作为

专科大数据技术专业的学生，毕业设计这道坎儿，从开学就被老师念叨了整整

三个学期——“这不是作业，是你们把三年学的Hadoop、Python、SQL串起来

的机会，更是让企业看到你们能力的第一张‘名片’”。现在想想，从选题时

的抓耳挠腮，到代码跑通时的手忙脚乱，再到答辩前夜改PPT改到眼睛发涩，

这场和“专科大数据技术专业的毕业设计”较劲的旅程，远比我想象中更滚

烫。

刚上大三那会儿，班里同学凑在一起聊毕设，总有人说“得选个高大上的

题目，不然显得专科生没水平”。我当时也跟着热血，盯着“机器学习”“深

度学习”这些词翻论文，想着做个“基于神经网络的股票预测系统”。结果拿

给指导老师看，他推了推眼镜问我：“你手头有多少真实的股票数据？每天更

新的数据从哪儿来？模型调参需要的算力，咱们学校机房能支撑吗？”我支支

吾吾答不上来，老师又补了一句：“专科生做毕设，得‘贴着地’做——用学

过的技术解决实际问题，比追热点实在。”

这话点醒了我。我们专业学过数据采集、清洗、分析全流程，平时做实验

用的也是校园里的数据库，不如就围绕“校园数据”做点文章？和几个志同道

合的同学一合计，大家都觉得“学生行为分析”是个好方向——图书馆的刷卡

记录、食堂的消费数据、教室的签到信息，这些数据天天在学校服务器里“躺

着”，可从来没人系统分析过。比如辅导员总说“有些学生突然成绩下滑，可

找不出原因”，要是能通过数据把“晚归频率”“食堂消费时段”“图书馆停

留时长”这些指标串起来，说不定能发现规律。于是，我们的毕设题目定了：

“基于校园数据的学生行为分析系统设计与实现”——听起来不花哨，但每个

环节都能用上专科阶段学的真本事。

接下来的两个月，我几乎泡在实训室。先是找学校信息中心要数据权限，

人家主任说：“数据涉及隐私，你们得签承诺书，而且只能用匿名后的脱敏数

据。”我们赶紧写了份详细的使用说明，保证不泄露任何个人信息，这才拿到

1

了2021-2023级共8000条学生的基础数据。数据拿回来一看，问题来了：图书

馆的刷卡记录里，有15%的时间戳是乱码；食堂消费数据里，有300多条记录

的“消费金额”是0，明显是测试数据；甚至还有学生的“晚归次数”和“宿

舍号”对不上——这就是老师常说的“数据脏”啊。我翻出《数据清洗与预处

理》的课本，一条一条处理：时间戳乱码的，通过相邻记录的时间间隔做插

值；消费金额为0的，联系食堂确认是“教职工卡代刷”，直接标记为无效数

据；晚归次数对不上的，找宿管阿姨核对原始登记本，手动修正了200多条。

现在想想，那会儿蹲在宿管办公室翻旧本子的样子，真是把“专科生的踏实”

写在了脸上。

数据清洗完，该建模分析了。我们想找“学习成绩”和“行为数据”之间

的关联，可一开始用线性回归模型，R²值只有0.3，老师说“说明变量选得不

合适”。我们又把“图书馆高频时段”（比如晚上7-9点）、“食堂消费间

隔”（比如是否规律吃三餐）这些更细的指标加进去，改用随机森林模型，准

确率一下提到了0.72。记得那天模型跑通时，我盯着屏幕上的混淆矩阵，手都

在抖——这不是冷冰冰的数字，是我们熬了三个通宵调参、查资料的结果啊。

可视化部分，我们用了学过的ECharts，把“某学院学生周消费分布”做成热力

图，把“挂科学生晚归频率”做成箱线图，辅导员看了直点头：“这个图比我

记的小本本清楚多了！”

最难忘的是答辩前一周。我们把系统demo拿给往届毕业的学长看，他提

了个关键问题：“你们分析的是历史数据，能做点预测吗？比如下学期哪些学

生可能挂科？”这可难住了我们——专科阶段没深入学过时间序列预测，怎么

办？我翻出《Python机器学习实战》，现学现用ARIMA模型，又找老师借了

研究生的《预测分析》课件，熬了两个大夜调整参数。当系统终于能输出“未

来30天高风险学生名单”时，我给小组群发消息：“成了！虽然准确率只有

65%，但至少能给辅导员提个醒。”

现在回想起答辩那天，我站在讲台上，看着评委老师点开我们的系统，滑

动鼠标查看“某班级图书馆访问热力图”，心里突然踏实了——这个带着“专

科大数据技术专业”烙印的毕设，没有用复杂的神经网络，没有炫目的可视化

特效