從國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù),2015年我國(guó)高等教育毛入學(xué)率達(dá)到40%,依據(jù)馬丁特羅教授提出的高等教育發(fā)展階段劃分的理論,我國(guó)高等教育進(jìn)入了大眾化教育階段。雖然高校連續(xù)長(zhǎng)達(dá)13年的本科擴(kuò)招已經(jīng)停止,但每年高校畢業(yè)生人數(shù)都在不斷的增加。2017年高校畢業(yè)生人數(shù)達(dá)到795萬(wàn)人,2018年畢業(yè)生人數(shù)已經(jīng)超過(guò)了800萬(wàn)人,連續(xù)三年高校畢業(yè)生人數(shù)突破700萬(wàn)人。在新時(shí)代就業(yè)發(fā)展形勢(shì)下,各行業(yè)都加強(qiáng)對(duì)人才的重視。畢業(yè)生人數(shù)年年遞增,就業(yè)市場(chǎng)也越來(lái)越職業(yè)化、自由化、市場(chǎng)化,就業(yè)之難也似乎成了常態(tài)。各高校也一直在幫助畢業(yè)生提高就業(yè)率,如召開(kāi)多場(chǎng)專(zhuān)題招聘會(huì),多場(chǎng)就業(yè)指導(dǎo)講座等形式,可是效果一般。如今社會(huì)處于大數(shù)據(jù)時(shí)代,大數(shù)據(jù)挖掘是現(xiàn)當(dāng)今應(yīng)用比較廣泛的技術(shù),數(shù)據(jù)開(kāi)發(fā)人員通過(guò)數(shù)據(jù)挖掘技術(shù),對(duì)數(shù)據(jù)進(jìn)行更深層次的探索,發(fā)掘數(shù)據(jù)的關(guān)聯(lián)性,為決策者提供決策支持。隨著數(shù)據(jù)挖掘技術(shù)不斷成熟,在金融領(lǐng)域、電信業(yè)、零售業(yè)、醫(yī)療電信領(lǐng)域、交通領(lǐng)域等都得到了廣泛的應(yīng)用,而高校教育在這方面應(yīng)用還比較滯后,特別是在高校就業(yè)當(dāng)中使用的就更少。在高校學(xué)生就業(yè)信息數(shù)據(jù)分析領(lǐng)域,存在多年的學(xué)生就業(yè)信息,而這些畢業(yè)生就業(yè)信息數(shù)據(jù)緊緊是存在電腦硬盤(pán)...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1論文框架

圖1.1論文框架1.4.2研究?jī)?nèi)容本文主要研究以下幾個(gè)問(wèn)題：（1）研究填充屬性空缺值的方法，提出延伸貝葉斯分類(lèi)算法一次性填充多維空缺屬性值的方法；（2）研究決策樹(shù)分類(lèi)算法，提出在屬性選取過(guò)程中考慮進(jìn)一步劃分深層結(jié)點(diǎn)，利用具有最大信息增益率的子集炮代替深層結(jié)點(diǎn)的信息增益值，實(shí)....

圖2.1數(shù)據(jù)庫(kù)與數(shù)據(jù)挖掘的關(guān)系

第二章數(shù)據(jù)挖掘和決策樹(shù)概念2.1數(shù)據(jù)挖掘的概念2.1.1數(shù)據(jù)挖掘定義數(shù)據(jù)挖掘源于稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，數(shù)據(jù)挖掘是目前研究的熱點(diǎn)領(lǐng)域，量的真實(shí)的數(shù)據(jù)、含有噪聲的數(shù)據(jù)、有變數(shù)的數(shù)據(jù)、混合型的數(shù)據(jù)中找出有價(jià)知的、潛在的數(shù)據(jù)之前的聯(lián)系的信息手段。它涉及機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)現(xiàn)等。....

圖2.2數(shù)據(jù)挖掘的一般過(guò)程

圖2.2數(shù)據(jù)挖掘的一般過(guò)程（1）數(shù)據(jù)選擇和采集，該階段的主要任務(wù)是從數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中選擇相關(guān)的數(shù)據(jù)，建立一個(gè)目標(biāo)數(shù)據(jù)集，該目標(biāo)數(shù)據(jù)集存放的格式需要做處理，使得數(shù)據(jù)挖掘算法能夠直接訪(fǎng)問(wèn)。（2）數(shù)據(jù)的預(yù)處理，該階段的主要是因數(shù)據(jù)的大量性，使得數(shù)據(jù)存在不完整性、不一致性和復(fù)雜性。....

圖2.3數(shù)據(jù)挖掘的分類(lèi)

景德鎮(zhèn)陶瓷大學(xué)碩士學(xué)位論文第二章數(shù)據(jù)挖掘和決策樹(shù)概念聚類(lèi)模式（Clustering）的主要目的，是把數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)，按照數(shù)據(jù)的類(lèi)別、數(shù)據(jù)的相似度、數(shù)據(jù)的差異性歸成多個(gè)類(lèi)。使得同一個(gè)類(lèi)別的數(shù)據(jù)之間相識(shí)度大，不同類(lèi)別之間的數(shù)據(jù)差異性大。聚類(lèi)模式一般采用統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法等來(lái)實(shí)....

本文編號(hào)：3948868