数据挖掘技术在研究高校生就业影响因素中的应用
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 研究的背景、意义与现状2
1.1研究背景2
1.2研究意义2
1.3 研究现状2
2研究的内容、目的和方法3
2.1论文研究的内容与目的 3
2.2数据挖掘的概念3
2.3数据挖掘的过程3
2.4常用的数据挖掘方法4
2.4.1 Logistic回归4
2.4.2决策树5
3基于数据挖掘技术的高校毕业生就业影响因素的分析6
3.1数据筛选6
3.2 Logistic回归分析8
3.3决策树模型分析10
4研究总结与建议12
4.1研究结论12
4.2研究的总结与展望13
致谢13
参考文献13
数据挖掘技术在研究高校毕业生就业影响因素中的应用
引言
引言
1 研究背景、现状与意义
1．1 研究背景
自从我国高等教育进入大众化以来，大学生的就业形势就开始面临日益严峻的挑战与困难。与之前的就业分配制度相比，当前我国现存的就业制度发生了较大的变化，已经初步形成了“以市场为导向，双向选择”的就业模式。在这种形势下，随着我国高等教育水平的不断提高，人才市场的高学历、高水平人才不断增多，导致了大学生面临日益严重的就业形势。根据2016年教育部发布的《高等院校大学生就业质量报告》中的相关数据可以预测，在未来相当长的一段时间内，国内各个高校的大学生仍将面临十分严峻的就业压力。
在上述这种大背景下，随着国内经济下行压力的不断增大与大学生毕业生就业状况的不断恶化，社会上开始出现读书无用论以及“毕业即失业”的观点。鉴于上述这种情况，对于大学生能否顺利毕业以及影响大学生就业质量的主要因素等方面的研究，已经成为社会各界普遍关注的重要焦点问题之一。
1．2 研究意义
当前，数据已经成为社会发展的重要影响因素之一，在国民经济生活中发挥 *好棒文|www.hbsrm.com +Q: &351916072&
着日益重要的作用。在此基础上，本研究通过对大学生学习与就业等海量数据进行采集与深入挖掘，以期找到影响国内大学生就业的关键因素，分清哪些是潜在的可能影响因素，以及它们的重要性，相互之间的关联性，就显得尤为必要。因此，研究高等教育大众化背景下毕业生就业的影响因素具有现实意义。在此基础上，本课题采用的相关数据挖掘技术如Logistic回归和决策树等方法研究、分析高等教育大众化背景下毕业生就业的影响因素，对分析和研究高等教育大众化背景下毕业生就业问题有着有重要的理论价值与现实的指导意义。
1．3 研究现状
在大数据时代与信息化时代来临以后，数据挖掘作为一门新兴的交叉学科与边缘化学科在产业领域与学术领域发挥着十分重要的作用。数据挖掘技术具有十分重要而广泛的应用性，之所以说它是一门交叉性学科，是因为它融合当前各种最为先进的技术如机器学习、人工智能、统计学、知识工程以及信息搜索等。正是数据挖掘的强大作用，如今世界各国尤其是西方发达国家对数据挖掘技术均十分重视，取得了十分重要与辉煌的研究成果。
当前，国外的数据挖掘技术十分先进，取得许多原创性的新成果。尤其是近些年以来，国外学术界更注重对贝叶斯(Bayes)方法以及Boosting方法的研究与分析；同时，KDD与数据库的紧密结合[1]以及传统的统计学回归方法在KDD中的应用等也受到前所未有的重视。在数据挖掘的相关应用方面，国外许多跨国公司如微软、IBM等都成立了大数据与数据挖掘研究中心；同时，这些公司还特别重视上述这些数据挖掘技术如KDD以及贝叶斯方法在产品销售、信息推荐中的应用，并且取得了十分重要的研究成果。从这些成果的原创性上说，美国等发达国家未来将在相当长的一段时期内在数据挖掘技术领域占据核心地位。
与外国先进的数据挖掘技术相比，国内对数据挖掘的起步相对较晚，但是发展速度较快。比如百度在数据挖掘的基础上开始尝试人工智能的技术探索；国内学术界在集合理论基础上，将粗糙集合与模糊数学等领域的知识引入数据挖掘技术中[3,4]，用于知识发现与数据识别；此外，近来兴起的文本挖掘技术也取得较为重要的研究成果。这里需要指出的是，这些国内研究成果通常都离不开政府与基金的支持，还没有实现足够的经济价值；同时，在国际上取得公认的研究产品也相对较少。
2 研究的内容、目的及方法
2．1 论文研究的内容与目的
本文基于常见的数据挖掘技术方法，结合当前大学生就业问题研究的具体情况建立恰当的广义线性回归模型，求解模型结果，并对模型及其结果进行深入评价和分析。
2．2 数据挖掘的概念
随着我国信息技术的不断快速发展，与数据挖掘的相关的数据技术月取得了长足的进步。随着人类在生产活动中积累的数据越来越多，并且数据增长的速度呈现指数级扩展，当前数据库系统虽然可以实现高效的数据录入、查询与统计等功能[5]，但是如何找出这些海量数据背后的信息成为一个摆在人们面前的技术难题。在上述的背景下，数据挖掘和知识发现(knowledge discovery in database, i.e., KDD) 技术应运而生，数据挖掘正是在人们的社会生产与实践劳动需求下诞生的科学技术之一，这也正是数据挖掘具有巨大应用的内在原因。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1700.html
