基于C4.5和随机森林算法的中医药院校毕业生就业预测应用研究

摘要
图/表
参考文献(20)
相关文章 (0)

全文: PDF (1142 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要中医药院校的就业渠道较窄，就业压力较大。如何精确预测就业困难学生，提供帮扶，使其早日就业是高校非常重要的一项工作。本文基于C4.5决策树算法，生成就业判定决策树，确定就业的重要影响因素，并预测就业情况。并进一步使用随机森林算法提高就业预测正确率。本文结合两种方法为中医药类高校毕业生工作就业预测提供了一种新方法，具有一定的实际应用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	唐燕王苹

关键词 ： C4.5决策树算法, 随机森林算法, 机器学习, 就业指导

Abstract：Chinese medicine institutions of employment channels is relatively narrow, graduates have great employment pressure. How to accurately predict the employment of students, to help them, so that they can early employment is a very important university work. Based on C4.5 decision tree algorithm, this paper generates employment decision tree, determines the important influencing factors of employment and predicts the employment situation. And further use the random forest algorithm to improve the accuracy of employment forecast. This paper provides a new method for the employment of Chinese medicine colleges and universities, and has practical application value.

Key words： C4.5 decision tree algorithm Random forest algorithm Machine learning Employment guidance

基金资助:北京高校青年英才计划项目（YETP0820）；
北京中医药大学基本科研业务费项目（2015-JYB-JSMS051、2017-JYB-JS-035）。

通讯作者: 王苹（1979-），女，硕士，副教授；研究方向：数据库开发与应用。

引用本文:

唐燕王苹. 基于C4.5和随机森林算法的中医药院校毕业生就业预测应用研究[J]. 中国医药导报, 2017, 14(24): 166-169.
TANG Yan WANG Ping. Study on employment forecasting of graduates of traditional Chinese medicine based on C4.5 and random forest algorithm. 中国医药导报, 2017, 14(24): 166-169.

链接本文:

http://www.yiyaodaobao.com.cn/CN/ 或 http://www.yiyaodaobao.com.cn/CN/Y2017/V14/I24/166

[1] 周志华.机器学习[M].北京：清华大学出版社，2016.
[2] 韩玉，施海龙，曲波，等.随机森林方法在医学中的应用[J].中国预防医学杂志，2014，15（1）：79-81.
[3] 王赛男. C4.5分类算法在高职就业预测中的应用[J].现代计算机，2014（23）：21-25.
[4] 乔非，葛彦昊.基于BP神经网络的就业招聘企业客户分类问题研究[J].计算机科学，2015，42（12）：1-4.
[5] 韩冰.基于数据挖掘的就业困难学生认定研究[J].中国大学生就业，2017（1）：44-50.
[6] 从雨佳，朱家明.对我国就业状况的分析及预测[J].皖西学院学报，2016，32（3）：79-82.
[7] 寇小鸿.组合预测模型在宁波市就业趋势的预测研究[J].浙江纺织服装职业技术学院学报，2016，15（1）：80-83.
[8] 马骊.随机森林算法的优化改进研究[D].广州：暨南大学，2016.
[9] 蔡丽艳，马弘伟.数据挖掘技术在高校就业预测分析中的应用[J].微计算机信息，2012，28（8）：100-103.
[10] 杨飚，尚秀伟.加权随机森林算法研究[J].微型机与应用，2016，35（3）：28-30.
[11] 陈晓，王树宝，李建晶，等.基于加权约束的决策树方法在贫困生认定中的应用研究[J].计算机应用与软件，2014， 32（12）：136-139.
[12] 张新佶，张天一，许金芳，等.随机森林倾向性评分方法及其在药品不良反应信号检测中的应用[J].中国卫生统计，2016，33（4）：578-581.
[13] 巩亚楠，帕提麦·马秉成，朱登浩，等.随机森林与Logistic回归在预约挂号失约影响因素预测中的应用[J].现代预防医学，2014，41（5）：769-772.
[14] 张琳瑜，王凤超，韩子玥.基于决策树的大学本科毕业生就业影响因素分析—以北京林业大学信息学院为例[J].中国林业教育，2017，35（2）：46-51.
[15] 向涛，李涛，赵雪专，等.基于随机森林的精确目标检测方法[J].计算机应用研究，2016，33（9）：2837-2840.
[16] 崔盈盈，刘施，吴嘉瑞，等.基于贝叶斯网络与决策树的双黄连注射剂不良反应流行病学特点研究[J].药物流行病学杂志，2017，26（1）：19-26.
[17] 成启明.基于决策树模型的计算机课程教学的学生属性影响分析[J].西南师范大学学报：自然科学版，2017， 42（1）：60-65.
[18] 唐学华.基于随机森林决策树质量管理方法研究[J].重庆科技学院学报：社会科学版，2015（7）：61-63.
[19] 秦鹏程，刘志雄，万素琴，等.基于决策树和随机森林模型的湖北油菜产量限制因子分析[J].中国农业气象，2016， 37（6）：691-699.
[20] 马李冰，侯艳，李贞子，等.多步骤决策树方法在基因表达数据上的应用研究[J].中国卫生统计，2017，34（1）：135-138.