ID3算法在高校毕业生就业分析中的应用研究

摘要

在高校的发展过程中，有很多的学校存储了多年的毕业生就业的信息，面对浩瀚的数据海洋和匮乏的信息，数据挖掘技术不仅可以对过去的数据进行查询，而且能够找出过去数据之间的潜在联系，进行更高层次的分析，更好地进行决策、预测。 为了能够充分利用这些已经存在的数据，找出这些数据之间的一些可用信息，并能从这些数据中，分析出的以后的毕业生的就业概率，为学校的发展提供决策的依据。本文将从就业的形势分析入手，收集高校往年的毕业生就业基本信息，建立数据库，从很多的数据挖掘方法中选出一种作为分析的技术手段，来创建就业模型，并对创建好的模型进行验证，再利用验证后的模型对毕业生的就业信息进行分析，对每个毕业生的就业可能性进行预测。 根据课题本身的特征，在分析了众多的挖掘方法后，选择的挖掘方法是决策树方法。根据决策树中ID3算法的要求，对数据进行了预处理，并对非数值型数据进行数字化表示，使数据表中的数据符合ID3算法的要求。然后通过计算信息增益，建立一个初始的毕业生就业分析的模型。对该模型根据要求进行了剪枝处理，再对剪枝后的模型进行验证，并对验证后的模型进行评价，从中计算出每一个毕业生就业的可能性。 毕业生就业分析模型对各个高校分析就业的原因，进行教学计划的调整和开发新专业，都具有积极的参考价值，为高校的可持续发展以及构建和谐校园具有实际的指导意义。

目录

文摘

英文文摘

声明

第1章绪论

1.1背景与意义

1.1.1背景

1.1.2理论与实际意义

1.2研究的现状

1.2.1国内外文献综述

1.2.2相关领域的成果

1.2.3现状分析

1.3研究内容

1.3.1课题的来源

1.3.2研究的内容

1.3.3论文的结构

第2章研究课题的相关技术简介

2.1数据挖掘过程

2.2数据预处理

2.2.1数据清洗的基础

2.2.2数据清洗的步骤

2.3决策树方法

2.3.1决策树概述

2.3.2决策树的构造方法

2.3.3决策树的修剪

2.4 ID3算法概述

2.4.1 ID3算法基本思想

2.4.2信息增益计算的理论依据

2.5 ID3算法分析

2.5.1 ID3算法

2.5.2 ID3算法的性能分析

2.6本章小结

第3章毕业生就业模型的系统分析

3.1问题定义

3.2课题研究方案的选择

3.2.1系统流程图

3.2.2系统技术方案的选择

3.2.3决策树算法的选择

3.2.4系统开发工具的选择

3.3课题的研究思路

3.4本章小结

第4章毕业生就业分析模型的创建

4.1毕业生就业信息数据库的建立

4.1.1数据表的设置

4.1.2数据预处理

4.1.3训练集与测试集的生成

4.2就业预测模型的生成

4.2.1毕业生就业信息增益值的计算

4.2.2就业预测模型

4.3毕业生就业分析模型的剪枝

4.4模型的存储

4.5本章小结

第5章就业分析模型的评价

5.1模型的验证

5.2模型的分析

5.3毕业生就业成功率的预测

5.3.1预测方案一

5.3.2预测方案二

5.4可靠性分析

5.5本章小结

结论

参考文献

致谢