科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位新疆师范大学; 中国科学院新疆理化技术研究所; 新疆铁道职业技术学院
