[发明专利]一种基于CART决策树的大学生就业预测方法

权利要求书

1.一种基于CART决策树的大学生就业预测方法，其特征在于，该方法包括以下步骤：

S1：大学生信息数据的预处理；

收集大学生原始数据，构建学生数据基本属性集合，并对每个数据进行规范化处理，形成规范的数据集，大学生数据基本属性集合记为N＝{n₁,n₂,…,n_c}，其中n_i为第i个基本属性，c为基本属性的个数；

S2：确定影响大学生就业预测目标的相关属性；

设大学生就业预测目标属性集合为Y＝{y₁,y₂,...y_|Y|}，其中|Y|为预测目标属性的取值个数，y_u为预测目标属性值；设N中元素n_i和Y中元素y_u的皮尔森相关系数为λ_i,u；

设置皮尔森相关系数阈值为h，当λ_i,u≥h，定义n_i与Y相关；反之，定义n_i与Y不相关；基于上面的方法，统计与Y相关的大学生基本属性；将影响大学生就业目标Y的相关属性记为特征向量X＝{x₁,x₂,…,x_m}，即为，其中m为特征变量的个数，m≤c；其中对于x_i的取值有K_i类，记为

S3：基于CART决策树构建大学生就业预测模型；

设大学生基本属性数据信息有α组，将其中的r组数据设为训练集S，剩余的α-r组数据设为测试集；训练集S用于构建就业预测模型，测试集用于验证就业测试模型的准确性；

在训练集S中计算的基尼系数对训练集S中的大学生基本属性进行基尼系数求解，设基尼系数的阈值为l，然后基于构建大学生就业CART决策树，即就业预测模型。

2.根据权利要求1所述的一种基于CART决策树的大学生就业预测方法，其特征在于：所述的步骤S2中计算Y和N的皮尔森相关系数λ_i，u的方法为：

其中，cov(n_i,y_u)为n_i与y_u协方差，和分别为n_i与y_u的标准差。

3.根据权利要求1所述的一种基于CART决策树的大学生就业预测方法，其特征在于：所述的步骤S3中，将70％的数据设为训练集，30％的数据设为测试集。

4.根据权利要求1或3所述的一种基于CART决策树的大学生就业预测方法，其特征在于：所述的步骤S3中，对训练集S中的大学生基本属性进行基尼系数求解的方法为：

当x_i取值为时，记为当x_i取值不为时，记为由此可以将S分为和两部分，对应训练集的数目分别为和在S，当时，Y取值y_u的概率为当时，Y取值y_u的个数为那么，的基尼系数可以表示为：

同理的基尼系数可以表示为：

由和可知，对于S，V(x_i)取的基尼系数可以表示为：

5.根据权利要求1或3所述的一种基于CART决策树的大学生就业预测方法，其特征在于：所述的步骤S3中，基于构建大学生就业CART决策树的方法为：

设基尼系数的阈值为l

输入：S，X＝{x₁,x₂,…,x_m}，l，m；

输出：决策树T；

Step1：计算如果则T为一颗单节点树；否则转Step2；

Step2:对于求解它们的最小值，记最小值为取为二叉树的切分点；

Step3:根据S中x_i取值是否等于将S分为两个子集和并将和分配到两个子节点中，如果子节点基尼系数小于l，则该子节点为一个叶节点，如果两个子节点均为叶节点，则返回决策树T，否则进行Step4；

Step4:对于非叶子节点，分别在令和令递归调用Step1到Step4，生成二叉决策树T。