隨著高校政策改革的推進(jìn),高校畢業(yè)生的數(shù)據(jù)量逐年遞增,而畢業(yè)生就業(yè)難的問題不僅為高校關(guān)注的熱點(diǎn),也是社會(huì)各領(lǐng)域關(guān)注的焦點(diǎn)。決策樹算法為現(xiàn)有數(shù)據(jù)挖掘中較為關(guān)鍵與重要的方法,其規(guī)則簡(jiǎn)單易懂、應(yīng)用價(jià)值高。如果將決策樹算法應(yīng)用于高校就業(yè)管理系統(tǒng)中,就能在海量數(shù)據(jù)之間的關(guān)系中掌握高校就業(yè)規(guī)律,以便為高校就業(yè)提供指導(dǎo)。首先,本文分析了傳統(tǒng)C4.5算法在高校就業(yè)管理中的應(yīng)用性能,實(shí)現(xiàn)了傳統(tǒng)C4.5算法的應(yīng)用步驟與數(shù)據(jù)處理過程,包括原始數(shù)據(jù)采集、原始數(shù)據(jù)預(yù)處理、數(shù)據(jù)準(zhǔn)備、構(gòu)造決策樹、數(shù)據(jù)挖掘等,并對(duì)傳統(tǒng)C4.5算法進(jìn)行綜合評(píng)估,理清了傳統(tǒng)C4.5算法存在的問題,主要包括屬性缺失問題和過度擬合問題,為后續(xù)的算法優(yōu)化提供了方向。然后,本文提出了基于k近鄰的C4.5優(yōu)化算法,針對(duì)傳統(tǒng)C4.5算法存在的屬性缺失問題,該算法選擇與k近鄰相似的值對(duì)缺失值進(jìn)行填充。在此基礎(chǔ)上,將改進(jìn)后的算法應(yīng)用到高校就業(yè)管理中,并對(duì)應(yīng)用效果進(jìn)行評(píng)估,結(jié)果表明基于k近鄰C4.5優(yōu)化算法性能顯著提升,并且還能夠解決傳統(tǒng)的C4.5算法中存在的過度擬合問題。

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1研究框架圖

圖1-1研究框架圖Figure1-1ResearchFrameworkDiagram1.6本章小結(jié)（Summaryofthischapter）本章分析了研究決策樹技術(shù)在高校就業(yè)管理中的應(yīng)用的背景與意義，并對(duì)收集到的國(guó)內(nèi)外研究資料進(jìn)行深入的分析，掌握國(guó)內(nèi)外的研究....

圖2-1決策樹模型

決策樹是一種通過概率分析能夠直觀的表達(dá)出結(jié)果的圖解方法，其是在了解各種情況發(fā)生概率的前提下，借助構(gòu)建決策樹來取得所想到的凈現(xiàn)值大于或者是與零相同的幾率，評(píng)估項(xiàng)目存在的危險(xiǎn)，給出其可操作性的分析辦法[30].[31]。因該種決策分枝圖形與樹的枝干較為相似，所以稱為決策樹。決策樹是一....

圖2-2決策樹的工作步驟Figure2-2Workingstepsofdecisiontree

圖2-2決策樹的工作步驟Figure2-2Workingstepsofdecisiontree由圖2-2可以看出，決策樹的整個(gè)工作步驟，首先需要輸入訓(xùn)練集，接策樹的分類算法創(chuàng)建出決策樹的模型，此處分成了兩部分，一個(gè)是進(jìn)入，該模型可與樣本測(cè)試數(shù)據(jù)集進(jìn)行互換；一個(gè)....

圖3-1基于傳統(tǒng)的C4.5算法生成的決策樹

工程碩士專業(yè)學(xué)位論文信息增益率進(jìn)行分別計(jì)算，并根據(jù)計(jì)算結(jié)果確定最高的信息增益率，將其屬性標(biāo)識(shí)為結(jié)點(diǎn)；逐一讀取結(jié)點(diǎn)的屬性，并取值，由結(jié)點(diǎn)生成決策樹的分枝；假設(shè)數(shù)據(jù)訓(xùn)練集的屬性為樣本集，且如果樣本集為空集，那么需要在決策樹上添加一個(gè)樹葉，并將該類樹葉標(biāo)記成對(duì)應(yīng)的類。3.2.5數(shù)據(jù)挖....

本文編號(hào)：4012437