決策樹在就業(yè)數(shù)據(jù)分析中的應(yīng)用

彭少芬

【摘 要】 在就業(yè)中，有許多因素決定著你最終就業(yè)單位的性質(zhì)。為了能有效的分析就業(yè)因素的具體影響，在這里采用決策樹算法，先利用信息熵和各個(gè)屬性的信息增益找到劃分點(diǎn)，依次類推直至屬性無法再劃分，在進(jìn)行分析。

【關(guān)鍵詞】 決策樹 ID3算法 信息熵 信息增益

1.前 言

自各大高校對(duì)于研究生進(jìn)行擴(kuò)招以來，畢業(yè)生數(shù)量急劇攀升。就業(yè)競(jìng)爭(zhēng)越來越大，就業(yè)問題也日益突出，必須解決，否則不僅影響到學(xué)生的本身利益，也會(huì)影響到經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展，學(xué)校一般都建立了學(xué)生管理系統(tǒng)，保存有大量的學(xué)生就業(yè)歷史數(shù)據(jù)，我們通過分析這些數(shù)據(jù)，從中找出影響就業(yè)的主要因素。從而為各大高校和學(xué)生就業(yè)培養(yǎng)提供有效建議。

2.決策樹算法

決策樹學(xué)習(xí)的目的是產(chǎn)生一棵泛化能力強(qiáng)，即處理未知樣本能力強(qiáng)的決策樹。決策樹屬性劃分原則是希望隨著劃分過程的進(jìn)行，決策樹的分支結(jié)點(diǎn)所包含的樣本盡可能屬于同一類別，即結(jié)點(diǎn)的純度越來越高。

構(gòu)造樹的步驟：

訓(xùn)練樣本的信息值。

第一棵樹，屬性，各葉節(jié)點(diǎn)的信息值。

第一棵樹，屬性，導(dǎo)致的信息增益。

依次，計(jì)算每棵樹導(dǎo)致的信息增益。

選擇獲得最大信息增益的屬性進(jìn)行劃分。

以此類推，遞歸，繼續(xù)劃分

當(dāng)所有葉節(jié)點(diǎn)都是純的，劃分過程終止

屬性停止劃分條件：

當(dāng)前結(jié)點(diǎn)所包含的樣本屬于同一類，無需劃分。

當(dāng)前屬性集為空，或所有樣本在所有屬性上取值相同，無法劃分

當(dāng)前結(jié)點(diǎn)包含的樣本集合為空，不能劃分。

3.決策樹算法的實(shí)際運(yùn)用

3.1相關(guān)數(shù)據(jù)及說明

我們找到最能影響就業(yè)的主要因素有：專業(yè)成績(jī)，政治面貌，獎(jiǎng)勵(lì)情況，社會(huì)實(shí)踐經(jīng)驗(yàn)、科研能力。在這里將就業(yè)單位作為決策變量。

就業(yè)單位分為企業(yè)和事業(yè)單位。

專業(yè)成績(jī)?nèi)∑骄煽?jī)低于60分為差，60-80分為一般，80分以上為優(yōu)良。

獎(jiǎng)勵(lì)情況分為三個(gè)等級(jí)，多（獲得多次科研或?qū)W習(xí)等相關(guān)獎(jiǎng)學(xué)金），少（獲得少數(shù)獎(jiǎng)項(xiàng)），無（沒有獲得過任何獎(jiǎng)項(xiàng)）。

科研能力分為兩個(gè)等級(jí)，優(yōu)秀（發(fā)表過多篇文章等），少（發(fā)表少量文章等）

社會(huì)實(shí)踐經(jīng)驗(yàn)分為三個(gè)等級(jí)，多（在外實(shí)習(xí)次數(shù)多等）、少（偶爾在校做小項(xiàng)目），無（無任何實(shí)習(xí)經(jīng)驗(yàn)）。

隨機(jī)抽取了某班10個(gè)畢業(yè)研究生就業(yè)信息情況并對(duì)數(shù)據(jù)做了處理得到下表：

3.2訓(xùn)練樣本的信息值（基于類的劃分）

訓(xùn)練樣本（用來創(chuàng)建樹的數(shù)據(jù)集）在包含4個(gè)事業(yè)單位和6個(gè)企業(yè)的根節(jié)點(diǎn)上，對(duì)應(yīng)于信息熵為：

3.3屬性信息增益值

然后，我們要計(jì)算出當(dāng)前4個(gè)屬性的每個(gè)屬性的信息增益值，用“專業(yè)成績(jī)”劃分之后所獲得的三個(gè)分支節(jié)點(diǎn)的信息熵為：

于是根據(jù)公式算出屬性“專業(yè)成績(jī)”的信息增益為：

類似的，我們可計(jì)算出其他三個(gè)屬性的信息增益：

顯然，屬性“科研能力”的信息增益最大，于是它被選為劃分屬性，下圖是基于“科研能力”對(duì)根節(jié)點(diǎn)進(jìn)行劃分的結(jié)果，各分支結(jié)點(diǎn)所包含的樣例子集顯示在結(jié)點(diǎn)中。

然后，決策樹學(xué)習(xí)算法將對(duì)每個(gè)分支結(jié)點(diǎn)做進(jìn)一步劃分，以上圖科研能力少的樣例集合為例，里面有{甲，乙，戊，己，庚，葵}6個(gè)樣例，可用屬性集合為{專業(yè)成績(jī)，獎(jiǎng)勵(lì)情況，社會(huì)實(shí)踐經(jīng)驗(yàn)}。基于科研能力少計(jì)算出各屬性的信息增益。首先算出專業(yè)成績(jī)的信息增益。

基于科研能力少的專業(yè)成績(jī)信息熵：

所以可算出基于科研能力少的專業(yè)成績(jī)信息增益為：

同理，我們可計(jì)算出其他屬性基于科研能力少的信息增益。

3.4決策樹的生成

“專業(yè)成績(jī)”取得了最大的信息增益，可選專業(yè)成績(jī)作為劃分屬性。類似的，對(duì)每個(gè)分直節(jié)點(diǎn)進(jìn)行上述操作，最終得到的決策樹如下圖所示。

3.5結(jié)論

從上面的決策樹我們可以看出，科研能力優(yōu)秀的人基本都進(jìn)了事業(yè)單位，因?yàn)槭聵I(yè)單位比較注重科研能力，專業(yè)成績(jī)對(duì)就業(yè)單位也有影響，專業(yè)成績(jī)差和一般的更多進(jìn)入企業(yè)，社會(huì)經(jīng)驗(yàn)豐富的學(xué)生進(jìn)企業(yè)的多。學(xué)生要是畢業(yè)后更傾向于進(jìn)入事業(yè)單位，應(yīng)側(cè)重加強(qiáng)專業(yè)素養(yǎng)和科研能力的培養(yǎng)，如果要是想到企業(yè)發(fā)展，應(yīng)多多側(cè)重專業(yè)成績(jī)，好好學(xué)習(xí)專業(yè)知識(shí)，側(cè)重社會(huì)實(shí)踐經(jīng)驗(yàn)的培養(yǎng)，學(xué)校可以根據(jù)學(xué)生的傾向制定相應(yīng)的培養(yǎng)方案，提高就業(yè)率。

4.結(jié)語

在目前就業(yè)形勢(shì)嚴(yán)峻的環(huán)境下，本文提出了基于ID3算法來構(gòu)造決策樹的方法。實(shí)驗(yàn)表明，該算法所構(gòu)造的決策樹結(jié)構(gòu)簡(jiǎn)單、更加準(zhǔn)確使用，而且具有較高的可理解性。具有很好的實(shí)際利用價(jià)值。為我們作出最終決策和制定有效措施提供了非常有利的參考依據(jù)。

【參考文獻(xiàn)】

[1] 安瑞鈺，郝琪，基于ID3決策樹算法的學(xué)科競(jìng)賽參賽學(xué)生選拔——以天津農(nóng)學(xué)院數(shù)學(xué)建模競(jìng)賽為例[J].信息與電腦（理論版）.2019，（11），24-25.

[2] 韓松來，張輝，周華平.基于關(guān)聯(lián)度函數(shù)的決策樹分類算法[J].計(jì)算機(jī)應(yīng)用，2005（11）：2655-2657.

[3] 王子京，劉毓，決策樹ID3新屬性選擇方法[J].現(xiàn)代電子技術(shù).2018，41（23），9-12.