应用数据挖掘构建毕业生就业前景预测分类模型
计算机与社会
2013-12-30 v1
摘要
数据挖掘因其能够快速分析海量数据而被应用于各个领域。本研究旨在利用数据挖掘中的分类任务构建毕业生就业模型，并比较几种数据挖掘方法，如贝叶斯方法和树方法。贝叶斯方法包括 5 种算法：AODE、BayesNet、HNB、NaviveBayes 和 WAODE。树方法包括 5 种算法：BFTree、NBTree、REPTree、ID3 和 C4.5。实验使用 WEKA 中的分类任务，我们比较了每种算法的结果，生成了多个分类模型。为了验证生成的模型，实验使用了从泰国 Maejo 大学收集的毕业生档案真实数据。该模型旨在用于预测毕业生是已就业、失业还是处于不确定状态。
引用
@article{arxiv.1312.7123,
title = {The Application of Data Mining to Build Classification Model for Predicting Graduate Employment},
author = {Bangsuk Jantawan and Cheng-Fa Tsai},
journal= {arXiv preprint arXiv:1312.7123},
year = {2013}
}