決策樹算法在高校學(xué)生就業(yè)中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘可以從數(shù)據(jù)集中提取出人們感興趣的、潛在的、可用的知識，并表示成用戶可理解的形式。分類是數(shù)據(jù)挖掘中的一個重要分支，分類能找出描述數(shù)據(jù)類或概念的模型，以便能使用模型預(yù)測類標(biāo)記未知的對象類。決策樹分類是以實例為基礎(chǔ)的歸納學(xué)習(xí)方法。
　　 本文比較和分析了幾種典型的決策樹算法，著重對ID3算法和C4.5算法進行了描述。ID3算法以前的決策樹算法要求數(shù)據(jù)集的所有值都是準(zhǔn)確值，缺失數(shù)據(jù)會降低算法的性能，缺失數(shù)據(jù)處理不當(dāng)，就會累計大量

2、錯誤，增加后續(xù)算法的運算時間和復(fù)雜度。C4.5算法盡管可以處理缺失數(shù)據(jù)，但仍然不盡完善。
　　 貝葉斯方法是根據(jù)新的信息從先驗概率得到后驗概率的一種方法。本文利用貝葉斯原理，根據(jù)完整數(shù)據(jù)集的準(zhǔn)確性試驗信息生成完整數(shù)據(jù)集的驗前分布和驗后分布，在統(tǒng)計推斷的基礎(chǔ)上得到準(zhǔn)確性預(yù)測值，構(gòu)建了填充缺失數(shù)據(jù)的貝葉斯模型，提出了一種改進的C4.5算法--BC1.0算法。選擇UCI中的數(shù)據(jù)集進行測試，與C4.5算法進行了比較，在各種缺失比率情況下

3、，BC1.0填充準(zhǔn)確率是最好的，同時也在算法效率、正確率等方面進行了分析比較。
　　 在此基礎(chǔ)上，實現(xiàn)了BC1.0算法在高校學(xué)生就業(yè)中的應(yīng)用研究。在具體的應(yīng)用中，詳細介紹了決策樹技術(shù)在學(xué)生就業(yè)分析挖掘中的全過程。在挖掘之前，進行了數(shù)據(jù)清理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)歸約等數(shù)據(jù)預(yù)處理工作，通過應(yīng)用對數(shù)據(jù)預(yù)處理技術(shù)有了進一步的認識。對高校學(xué)生相關(guān)的就業(yè)數(shù)據(jù)進行挖掘，發(fā)現(xiàn)潛在規(guī)律，找出隱含的模式，為就業(yè)指導(dǎo)提供決策依據(jù)，從而推進畢業(yè)生就業(yè)制度改革