決策樹算法在高校學生就業(yè)中的應用研究.pdf

1、數據挖掘可以從數據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。分類是數據挖掘中的一個重要分支，分類能找出描述數據類或概念的模型，以便能使用模型預測類標記未知的對象類。決策樹分類是以實例為基礎的歸納學習方法。
　　 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據集的所有值都是準確值，缺失數據會降低算法的性能，缺失數據處理不當，就會累計大量

2、錯誤，增加后續(xù)算法的運算時間和復雜度。C4.5算法盡管可以處理缺失數據，但仍然不盡完善。
　　 貝葉斯方法是根據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，根據完整數據集的準確性試驗信息生成完整數據集的驗前分布和驗后分布，在統(tǒng)計推斷的基礎上得到準確性預測值，構建了填充缺失數據的貝葉斯模型，提出了一種改進的C4.5算法--BC1.0算法。選擇UCI中的數據集進行測試，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。
　　 在此基礎上，實現了BC1.0算法在高校學生就業(yè)中的應用研究。在具體的應用中，詳細介紹了決策樹技術在學生就業(yè)分析挖掘中的全過程。在挖掘之前，進行了數據清理、數據轉換、數據歸約等數據預處理工作，通過應用對數據預處理技術有了進一步的認識。對高校學生相關的就業(yè)數據進行挖掘，發(fā)現潛在規(guī)律，找出隱含的模式，為就業(yè)指導提供決策依據，從而推進畢業(yè)生就業(yè)制度改革