基于校友数据的大学生就业影响因素加权随机森林模型

作者:王小龙; 穆芸菲; 朱玥祺; 寇子若; 谢佳美; 李涓涓; 郭晓明
来源:电脑知识与技术, 2023, 19(01): 81-87.
DOI:10.14004/j.cnki.ckt.2023.0048

摘要

为了更好地分析利用校友经济新形势下的就业数据,建立了影响大学生就业因素的加权随机森林模型。首先对影响就业的因素进行排序,然后通过加权随机森林模型,准确预测在校生未来就业情况,在此基础上充分利用校友资源并搭建平台为学生就业创造机遇,加强与校友之间的联系,有效推进大学生就业工作。以某大学部分校友数据为实例,得到构建的模型预测准确率为82.3%。

全文