數(shù)據(jù)挖掘技術(shù)在高職就業(yè)分析中的應(yīng)用研究.pdf

1、近階段，由于國家對職業(yè)教育發(fā)展的重視使得各類職業(yè)技術(shù)學(xué)院蓬勃發(fā)展，高職業(yè)院校畢業(yè)生就業(yè)形式也變得多元化和自主化，無論是學(xué)生的就業(yè)率還是教育質(zhì)量，都取得了很大成績。目前，對高職院校的畢業(yè)生來說就業(yè)率已不成問題，關(guān)鍵是就業(yè)質(zhì)量問題。
　　 數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡過程。數(shù)據(jù)挖掘的一個主要任務(wù)是聚類分析，聚類分析是將性質(zhì)相近的數(shù)據(jù)歸為一類，性質(zhì)差別較大的數(shù)據(jù)歸入不同的類，從而使得

2、同一類的每個數(shù)據(jù)對象盡可能的相似，不同類間數(shù)據(jù)對象相似性盡可能的小。K-means聚類算法是聚類分析的經(jīng)典算法，它用劃分的每個聚類中數(shù)據(jù)的平均值來表示該聚類。決策樹方法是解決分類問題的最有效的方法，它通過構(gòu)造決策樹來建立分類處理模型。C4.5決策樹分類算法是在ID3算法的基礎(chǔ)上提出的一種基于ID3算法的改進(jìn)算法，它的應(yīng)用已經(jīng)得到業(yè)界的肯定。而R-C4.5算法則是基于C4.5算法的一種有效的改進(jìn)模型，該模型通過對無貢獻(xiàn)或貢獻(xiàn)少的分枝進(jìn)行合

3、并，從而克服了C4.5決策樹的空枝過多、過度擬合和樹的不健壯等問題。
　　 本文簡述了數(shù)據(jù)挖掘的基礎(chǔ)理論，重點闡述了聚類分析和決策樹分類技術(shù)。以某高職院校近幾屆畢業(yè)生的個人信息、教育信息和就業(yè)信息數(shù)據(jù)為研究對象，在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，分別運(yùn)用K-means聚類分析技術(shù)和R-C4.5決策樹分類技術(shù)進(jìn)行數(shù)據(jù)挖掘，完整地實現(xiàn)了數(shù)據(jù)挖掘的全過程，并挖掘出影響高職畢業(yè)生就業(yè)質(zhì)量的相關(guān)因素，為政府和學(xué)校提高就業(yè)質(zhì)量的各類措施和改革提供了決策