《《决策树算法在高校学生就业中的应用研究》-公开DOC·毕业论文》由会员分享，可在线阅读，更多相关《《决策树算法在高校学生就业中的应用研究》-公开DOC·毕业论文（28页珍藏版）》请在金锄头文库上搜索。
1、决策树算法在高校学生就业中的应用研究The Decision Tree Algorithm and its Application on employment of undergraduate students 摘要Abstract数据挖掘是信息技术迅猛发展和人们获取数据手段多样化的结果，是从大量数据中提取隐含在其中的而又潜在有用的信息和知识的过程。数据挖掘的任务主要有关联分析、聚类分析、分类、预测、时序模式和偏差分析等。在挖掘过程中，数据分类是数据挖掘研究的一个重要的内容。目前用于数据分类的方法有很多，如决策树、神经网络、k -最临近方法、粗糙集、统计模型等。其中决策树算法是分类发现算法中最
2、常见的一种方法，以其计算速度较快、容易被入理解、容易转换成分类规则等优点广泛应用于医疗诊断、气象报告、信贷审核、商业预测、案件侦破等领域。由于数据库中存在着大量数据，因此从数据库中发现有用的信息显得十分重要数据挖掘技术就是为解决这个问题而产生的，对数据挖掘技术的研究，国内外己经取得了许多令人瞩目的成就，并成功地应用到了许多领域，但在教育领域中的应用并不广泛，由于我国大众化高等教育的普及，高等院校招生规模的扩大，高校学生数量的激增，学生就业问题日益突出，各高校千方百计提高就业率，除了加强自身的办学条件，高校的决策者很想知道如何培养学生能够提高就业率高校一般都己建立了学生管理系统，保存有大量的学生
3、就业历史数据。如何从这些数据中找出有用的信息，提供给决策者，是我们所关心的问题本文应用数据挖掘技术，建立学生就业信息库，完整地实现了数据分类挖掘的全过程，包括：确定数据挖掘对象及目标、采集数据、采用数据集成、数据清理、数据转换、数据消减等数据预处理技术：根据就业数据具有分类的预知性与离散性的特点，选择决策树C4.5算法，生成决策分类树，并利用事后修剪法对决策树进行修剪：最后由决策树产生分类规则，完成了学生就业分析决策树模型的建立，挖掘出学生就业的若干规律。关键词：数据挖掘：分类：决策树；分类规则：就业Data mining is the results of rapid development
4、 of information technology and the diversify of peopleS access to data meansIt is the process of extracting implicit andpotentially useful information and knowledge from the large amounts of dataThe main task of data mining includes correlation analysis，cluster analysis，classification， prediction，ti
5、meseries pattern，deviation analysis and SO onIn the process of mining， data classification is all important content in the research of data miningAt present， there are many methods used for data classification，such as decision trees，neural networks，k-nn method，rough sets，and statistical models and S
6、O onAmong them，the decision tree algorithm is the most common method in classification algorithmIt has the advantages of rapid calculation speed，easily understood and easily converted into the classification rules Therefore，it is widely used in medical diagnosis，weather reports，credit audits，busines
7、s prediction，cases detection and other fieldsAs a result of the popularization of our countrys popularity higher education，the expansion of college recruitment of students scale，and the sharply increasing of universities student quantity。the problem about studentsemployment is prominent day by dayEa
8、ch college enhances the employment rate by any means possibleBesides strengthening their own school condition，universities。Policy-makers want to know how to train students to be able to enhance the employment rateThe universities have already established the student management system generally，and h
9、ave preserved massive historical data about studentsemploymentHow to discover the useful information from these data to provide to the policy-makers is the issue of our concernThis article introduced the definition，the function and the commonly used technology of data mining，and also introduced the
10、classification technology of data miningAccording to the fact that employment data has the characteristics of knowing the natural in advance and separating of classification，it applied a method named decision tree to carry analysis on studentsemployment information and has realized the entire proces
11、s of the data class mining completely，which includes some data pmtreatment technology as specifying data mining object and goal，gathering data，integrating data，cleaning up data，converting data，reducing data，and so onIt chose decision Tree CA5 algorithm to product employment decision classification t
12、ree，and used the law of prone afterwards to carry prunes on the decision tree；Finally，it has produced the classification rule by the decision tree，completed the establishment of the model of student employment analysis decision tree，and mining certain rules on which students ale gotten employedKey w
13、ords：data mining；classification；decision tree；classification rule；employment第一章 绪论41.1 数据挖掘技术研究背景及研究意义41.2 数据挖掘技术的研究现状简介61.2.1 国外研究现状61.2.2 国内研究现状7第二章 数据挖掘技术92.1 数据挖掘过程92.1.1 数据准备102.1.2 数据挖掘102.1.3 结果表达和解释102.2 数据挖掘的分类技术112.2.1 分类的基本概念112.2.2 数据挖掘的分类12第三章 决策树技术在毕业生就业预测中的应用203.1 引言203.2 决策树在高校就业信息分析
14、中的应用203.2.1 分类实施流程213.2.2 确定研究对象及挖掘目标213.2.3 数据采集223.2.4 数据预处理223.2.5 数据分类挖掘223.2.6 生成分类规则26第四章 总结与展望274.1 总结274.2 展望27第一章 绪论1.1 数据挖掘技术研究背景及研究意义数据挖掘技术研究背景及研究意义现代社会的高速发展，特别是计算机技术和通讯技术的不断进步，信息量与日俱增，随之也产生了巨量的数据。人们对信息的需求越来越高，不再满足于数据的收集与查询，更需要从大量业务数据中探索出业务活动的规律、市场的运作趋势，并为他们参与市场竞争做出重要决策。随着我国高等教育由精英教育向大众教育
15、的转变，高等学校的招生规模扩大，各高校纷纷运用信息化手段对教学、就业工作进行管理，收到良好的效果。然而，招生规模扩大也使得信息系统数据库存储的数据量急剧扩增，在高等院校信息系统中存在着大量的学生个人信息。面对巨大的数据集合，传统的数据分析手段已难以应付，因为传统的信息系统是基于查询的，数据库可以很好的实现对数据的存储、查询和维护等功能，但是这些数据都没有或很少被利用，即不能获得数据之间的内在关系和隐含的有用信息，无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势，缺乏挖掘数据背后隐藏知识的手段。由于大部分高校现行系统中存在着许多针对不同应用所开发的子系统，它们可能运行在不同的
16、平台上，具有不同的数据结构，数据格式不统一、数据量大、处理复杂。这就需要利用新技术自动地、智能地和快速地分析数据。数据挖掘技术在教育管理领域的应用得到越来越广泛的关注，很多学者对此做了大量的研究工作。近年来，走向工作岗位的毕业生也愈来愈多，高等院校学生就业难度不断加大，就业形势严峻。如何进一步推进毕业生就业制度改革和改善就业指导工作，促进毕业生顺利就业已成为一个突出问题。本文从大量实际的学生个人信息和就业数据出发，利用决策树算法，对与学生就业相关的数据进行挖掘，研究学生数据和最终就业的情况，挖掘其中对高校教学与就业工作具有指导价值的信息，阐述影响学生就业的关键因素，为就业指导提供决策依据。国内许多高校的在校生己经达到一定的规模，众多高校利用信息技术提高管理水
