基于决策树算法的毕业生就业预测研究

高校毕业生的就业问题一直是当下的热点问题,随着毕业生数量的急剧增多,就业的压力也随之增大,高校的毕业生所具备条件以及能力直接决定着学生本身的就业质量。针对这个问题,从国内某高校毕业生中的30个学生基本在校信息以及其就业情况,利用决策树算法中的C4.5算法对其进行分析和预测,以此来获得影响毕业生就业情况的一些主要因素。经过所构建模型的测试,准确率达到89%,并通过模型可知,影响毕业生就业的关键因素是学生的综合能力。

基于子空间聚类的协同过滤推荐算法

为了降低数据稀疏性对推荐算法效率产生的影响,提出一种基于子空间聚类的协同过滤推荐算法(SCUCF)。该算法创建感兴趣、不感兴趣以及既不感兴趣也不不感兴趣三种类型被评价项目的不同子空间。利用项目子空间为目标用户绘制邻居用户树,以此来寻找目标用户的邻居。利用改进的用户相似性计算方法来确定推荐用户。通过MovieLens 100K、MovieLens 1M数据集对算法进行了验证,实验结果表明,该算法能够使推荐算法的推荐性能得到提升。并且,在与其他同类改进算法相比,该算法也表现出一定的优越性。