应用自然邻居分类算法的大学生就业预测模型

《应用自然邻居分类算法的大学生就业预测模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、应用自然邻居分类算法的大学生就业预测模型朱庆生高璇重庆大学计算机学院摘要：针对因大学生对薪酬预期过高而导致就业难的问题，利用基于自然邻居的分类算法对近三年信息类专业毕业生的就业数据进行分析，建立了大学生就业薪酬预测模型.首先采用因子分析方法提取出决定大学生就业薪酬级别的潜在因子并作为模型输入变量，进而应用基于自然邻居的分类算法对就业薪酬进行分类预测•其中，自然邻分类算法成功避免了KNN算法中存在的K值选取难题，且每个节点的邻居数目会根据数据集的分布状况自适应获取•实验结果表明，该模型的预测精度高达80

2、.16%,对于帮助大学生建立合理就业预期、提高就业能力等方面具有一定指导意义.关键词：数据挖掘;白然邻居;分类;因子分析;就业预测；收稿日期：2016-12-07ModelofCollegeStudents‘EmolumentPredictionBasedontheClassificationAlgorithmwithNa/turalNeighborZHUQing-ShengGAOXuanSchoolofComputerScienceandTechnology,ChongQingUniversity;

3、Abstract：Tosolvetheproblemofhardemploymentofgraduateswhoexpectfortheimpracticalemolument,thepaperbuildsamodelforemolumentprediction.Onthebasisofanclassificationalgorithmwithnaturalneighbor(NaN),itanalyzestheemploymentdataofgraduatesmajoringinInfonnation

4、Engineeringinpastthreeyears.Thepaperusesfactoranalysismethodtofetchthelatencyofemploymentemolumentleveldeterminants.Classificationpredictstheemolumentbyapplyingthelatencyasavariablebasedontheclassificationalgorithm.Thisalgorithmavoidsthedifficultyofpara

5、meterselectioninK-nearestneighbor(KNN).Theneighborsofeachnodecanalsobeacquiredasthetopographyofdataset.Accordingtotheexperiments,thepredictionaccuracyis80.16%.Thepapercanguidegraduatestobuildareasonableemolumentpredictionorimproveemployment.Keyword：data

6、mining;naturalneighbor;classification;factoranalysis;emolumentprediction;Received：2016-12-07随着我国高等教育由精英教育转变为人众教育高校毕业生就业形势日趋严峻.犬学生就业口益困难的一个重要原因就在于就业预期偏高，且主要表现在对于薪酬的预期过高•因而对毕业生的就业能力进行准确评估，制定合理的薪酬预期就显得十分重要.但由于薪酬预测涉及经济学、管理学、人工智能等多学科领域，影响因素众多，实现较为困难，因此这项研究在成

7、为广大研究人员关注热点的同时，也成为一项难点研究课题卜3］・文献［4］系统地分析大学生就业能力结构，提出影响就业质量的三个主要因子为“就业人格”、“准职业形象”以及“社会兼容度”，但没有对指标进一步分析和预测，无法在实际生活中起到直接指导大学生择业、就业的作用•文献［5］采用多项式回归和多元线性回归两种不同的算法实现了对高校就业率的评估和预测，但预测结果缺乏因果解释口无法对人学生个体的就业质量进行预测•文献［6］提出采用一种基于信息增益比的决策树构造算法建立大学生就业预测模型，但该模型无法处理包含高分

8、支屈性和噪声数据的真实数据集，对训练拟合样本有着较大的依赖，模型泛化能力欠佳.自然邻居［7,8］是一种无尺度的最近邻居概念，通过算法1自适应地计算岀需要的参数，具有无需人为输入参数、计算精准率高等优势.针对上述问题以及自然邻居自适应的优势，本文提出一种基于自然邻居分类算法的大学生就业预测模型•本文通过高校就业信息管理系统获取近三年信息类专业毕业生就业情况，创建了当前最具时效性的就业薪酬预测数据集，进而结合因子分析法和基于自然邻居的分类算法建立模型预测毕业