摘要

传统机器学习算法对不平衡数据进行二分类时,容易出现分类偏移问题,就业预测数据存在正负样本不平衡问题,为了提高就业预测的精度,论文设计了ADASYN-SMOTE-RF就业预测模型。首先使用ADASYN-SMOTE算法对训练集生成和扩充小类样本,然后使用随机森林(RF)算法建立预测模型。实验结果表明,ADASYN-SMOTE-RF模型较好地解决了样本不均衡导致的预测准确度不高的问题,为高职学生就业率的提高提供技术支持。