基于機(jī)器學(xué)習(xí)的高校就業(yè)情況大數(shù)據(jù)分析及預(yù)測(cè)

羅丹

摘 ? 要：機(jī)器學(xué)習(xí)能夠通過(guò)不斷獲取新的知識(shí)與技能，算法可以得到不斷的完善與發(fā)展。文章基于機(jī)器學(xué)習(xí)對(duì)高校就業(yè)大數(shù)據(jù)進(jìn)行研究，討論機(jī)器學(xué)習(xí)對(duì)高校就業(yè)大數(shù)據(jù)的意義，并對(duì)高校就業(yè)情況進(jìn)行了預(yù)測(cè)，希望能夠?yàn)楦咝＝逃难芯颗c發(fā)展提供一定的參考。

關(guān)鍵詞：機(jī)器學(xué)習(xí);高校就業(yè);數(shù)據(jù)分析

隨著高校畢業(yè)生數(shù)量越來(lái)越多，我國(guó)就業(yè)壓力也在不斷提升。想從根本上解決這個(gè)問(wèn)題，就要根據(jù)市場(chǎng)情況分析，形成有效的改革策略，充分利用機(jī)器學(xué)習(xí)的特殊優(yōu)勢(shì)為大數(shù)據(jù)分析提供助力。因此，基于機(jī)器學(xué)習(xí)對(duì)高校就業(yè)情況進(jìn)行大數(shù)據(jù)分析，是發(fā)現(xiàn)并解決問(wèn)題的重要途徑[1]。

1 ? ?常見(jiàn)的機(jī)器學(xué)習(xí)算法

隨著機(jī)器學(xué)習(xí)的發(fā)展，在具體應(yīng)用中探索出了10余種算法類(lèi)型，本文選取其中3種進(jìn)行分析與闡述，即樸素貝葉斯、分類(lèi)回歸樹(shù)和線性回歸。

（1）樸素貝葉斯算法模型，雖然外形相對(duì)簡(jiǎn)單，但是具有廣泛的應(yīng)用性和功能性。一般來(lái)說(shuō)包括兩種概率：每個(gè)類(lèi)的概率和基于X值情況下個(gè)類(lèi)的條件概率。在算法模型計(jì)算完成以后，就可以使用概率模型針對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(cè)，該模型如圖1所示。

（2）分類(lèi)回歸樹(shù)，又稱決策樹(shù)。該類(lèi)算法主要應(yīng)用在機(jī)器學(xué)習(xí)的預(yù)測(cè)建模上，一般在模型的構(gòu)件上選擇二叉樹(shù)表示。二叉樹(shù)上的每一個(gè)節(jié)點(diǎn)代表所輸入的變量和變量的分叉點(diǎn)，而樹(shù)葉節(jié)點(diǎn)則包括輸出變量的預(yù)測(cè)，各個(gè)分支節(jié)點(diǎn)通過(guò)葉節(jié)點(diǎn)的匯總，最終得出預(yù)測(cè)結(jié)果。該模式的最大優(yōu)勢(shì)是通常不用對(duì)數(shù)據(jù)進(jìn)行特殊的處理，計(jì)算起來(lái)相對(duì)簡(jiǎn)單，并且結(jié)果較為直觀[2]。

（3）線性回歸算法，是當(dāng)前應(yīng)用的最廣的一種算法類(lèi)型，最大優(yōu)勢(shì)是模型誤差比較小，線性回歸通過(guò)自身的系數(shù)（β），將輸入變量X與輸出變量Y用等式關(guān)系表達(dá)出來(lái)。

2 ? ?機(jī)器學(xué)習(xí)對(duì)高校就業(yè)情況大數(shù)據(jù)研究的意義

高校就業(yè)情況的大數(shù)據(jù)是動(dòng)態(tài)且復(fù)雜的，如果簡(jiǎn)單地從數(shù)據(jù)來(lái)分析，很可能無(wú)法探究到問(wèn)題存在的本質(zhì)與現(xiàn)實(shí)情況。要想把高校就業(yè)情況的大數(shù)據(jù)充分運(yùn)用起來(lái)，分析研究過(guò)程就必須是動(dòng)態(tài)、深入的，分析方法與研究方式必須要是符合現(xiàn)實(shí)情況、不斷改進(jìn)的。機(jī)械性的工作，普通的計(jì)算機(jī)算法就足以勝任，但分析提供的數(shù)據(jù)并不能為高校教育提供有效的參考。

機(jī)器學(xué)習(xí)是能通過(guò)經(jīng)驗(yàn)的不斷累積自動(dòng)進(jìn)行改進(jìn)的計(jì)算機(jī)算法研究，所以非常適合用于對(duì)高校就業(yè)情況大數(shù)據(jù)研究。機(jī)器學(xué)習(xí)能夠用具體的高校就業(yè)情況的數(shù)據(jù)，不斷優(yōu)化該計(jì)算機(jī)算法，從動(dòng)態(tài)的角度去分析與看待就業(yè)與高校教育的情況，得出的分析與結(jié)論更加合理、有參考性。

3 ? ?機(jī)器學(xué)習(xí)對(duì)于高校就業(yè)情況大數(shù)據(jù)的研究

在具體的高校就業(yè)信息獲取過(guò)程中，不僅要統(tǒng)計(jì)畢業(yè)生在就業(yè)情況上的主觀意愿，而且要充分結(jié)合畢業(yè)生的學(xué)習(xí)與生活狀況，才可能對(duì)高校的就業(yè)情況作出準(zhǔn)確做信息統(tǒng)計(jì)與預(yù)測(cè)。在高校學(xué)生畢業(yè)就業(yè)選擇的過(guò)程中，一般情況下會(huì)有3種選擇，即崗位就業(yè)、創(chuàng)業(yè)與繼續(xù)深造，對(duì)高校畢業(yè)生未來(lái)的發(fā)展產(chǎn)生重大的影響。按照傳統(tǒng)的方法，很難對(duì)畢業(yè)生未來(lái)的選擇進(jìn)行精準(zhǔn)的預(yù)測(cè)，同時(shí)在預(yù)測(cè)的范圍與精度上是無(wú)法令人信服的，難以滿足其他學(xué)生對(duì)于此類(lèi)信息的需求。

隨著大數(shù)據(jù)概念的出現(xiàn)和機(jī)器學(xué)習(xí)算法的傳播與發(fā)展，近年來(lái)通過(guò)機(jī)器學(xué)習(xí)算法來(lái)提高預(yù)測(cè)的速度與準(zhǔn)確度的教育研究成為可能。基于前人對(duì)機(jī)器學(xué)習(xí)在教育方面的探究，機(jī)器學(xué)習(xí)算法是分析、研究高校畢業(yè)生就業(yè)大數(shù)據(jù)的重要途徑。分析、討論高校畢業(yè)生就業(yè)情況的數(shù)據(jù)，不僅能夠給畢業(yè)生提供準(zhǔn)確的就業(yè)服務(wù)，還能為學(xué)校提供管理與信息資源上的幫助，從而實(shí)現(xiàn)教育水平的提高與升級(jí)，為打造更高水平的大學(xué)增添實(shí)力[3]。

以機(jī)器學(xué)習(xí)算法為基礎(chǔ)，通過(guò)高校畢業(yè)生就業(yè)情況的大數(shù)據(jù)來(lái)分析畢業(yè)生的就業(yè)去向、方式是合理且可行的。應(yīng)用機(jī)器學(xué)習(xí)算法預(yù)測(cè)就業(yè)情況與方向，為提高高校職業(yè)教育水平打開(kāi)了嶄新的空間。在研究過(guò)程中發(fā)現(xiàn)，高校畢業(yè)生進(jìn)入勞動(dòng)市場(chǎng)時(shí)，受到的影響因素很多，不僅受到其學(xué)校的品質(zhì)與個(gè)人能力的影響，和他們家庭的背景也有很大的關(guān)系。父母的受教育水平與家庭收入水平呈正比例關(guān)系，家庭經(jīng)濟(jì)壓力小的家庭選擇深造的幾率比較高，所以從就業(yè)的方向上來(lái)看，家庭是不可分割的因素。針對(duì)院校的不同，高水平的大學(xué)所教授學(xué)生的學(xué)習(xí)能力比較強(qiáng)，無(wú)論是學(xué)術(shù)水平，還是機(jī)會(huì)都會(huì)比一般的高校學(xué)生要多，因此直接就業(yè)的幾率會(huì)比一般高校學(xué)生低。學(xué)生在畢業(yè)時(shí)的就業(yè)環(huán)境更是會(huì)直接影響到學(xué)生的就業(yè)情況，當(dāng)學(xué)生畢業(yè)時(shí)經(jīng)濟(jì)狀況不好，選擇就業(yè)的學(xué)生會(huì)比較多，而當(dāng)經(jīng)濟(jì)狀況比較好的時(shí)候，選擇去深造的高校畢業(yè)生就會(huì)增多。

從高校就業(yè)情況的大數(shù)據(jù)分析上看，能夠影響高校畢業(yè)生選擇就業(yè)情況的因素還有很多，例如性別比例、興趣愛(ài)好與市場(chǎng)需求等。在研究的過(guò)程中發(fā)現(xiàn)，對(duì)大數(shù)據(jù)所提供的信息進(jìn)行探討，應(yīng)綜合分析對(duì)高校學(xué)生就業(yè)產(chǎn)生明顯影響的因素，而不單是考慮高校畢業(yè)學(xué)生的就業(yè)選擇數(shù)據(jù)。只要充分地利用好機(jī)器學(xué)習(xí)的算法能力，就能夠有效地解決現(xiàn)有研究當(dāng)中存在的信息收集客觀性與準(zhǔn)確性不高的問(wèn)題。在研究中，不僅要利用好機(jī)器學(xué)習(xí)的算法技術(shù)，把控好其中的變量和影響因素，也是研究的關(guān)鍵所在，并且還要能夠保證數(shù)據(jù)信息的全面性與準(zhǔn)確性。同時(shí)，分析結(jié)論與情況預(yù)測(cè)都要立足于機(jī)器學(xué)習(xí)算法的準(zhǔn)確性，而不是注意每個(gè)變量的細(xì)微變化[4]。

4 ? ?基于機(jī)器學(xué)習(xí)對(duì)大學(xué)生就業(yè)情況的預(yù)測(cè)

通過(guò)機(jī)器學(xué)習(xí)算法對(duì)于高校就業(yè)情況進(jìn)行分析討論，對(duì)高校就業(yè)的各種方式與影響因素進(jìn)行了列舉及數(shù)據(jù)對(duì)比，能有效地預(yù)測(cè)未來(lái)的高校畢業(yè)生就業(yè)的情況。根據(jù)得出的結(jié)果可以看出，對(duì)畢業(yè)后就業(yè)情況產(chǎn)生巨大影響的因素有學(xué)生自身的能力水平、性別差異、學(xué)習(xí)地點(diǎn)等。

在具體的分析中，女性畢業(yè)后更愿意選擇出國(guó)接受進(jìn)一步教育，和男性相比較她們選擇直接就業(yè)的幾率是很低的。從學(xué)習(xí)的地點(diǎn)上看，在西部地區(qū)接受教育的學(xué)生更加愿意選擇畢業(yè)以后直接去工作，中部區(qū)域的學(xué)生在畢業(yè)以后喜歡在國(guó)內(nèi)進(jìn)一步學(xué)習(xí)與就業(yè)。東部與南部地區(qū)的學(xué)生，許多都選擇在畢業(yè)之后到國(guó)外去學(xué)習(xí)更多的知識(shí)。從學(xué)科教育上看，學(xué)習(xí)人文社會(huì)類(lèi)學(xué)科的學(xué)生多數(shù)會(huì)選擇直接就業(yè)，而在財(cái)經(jīng)類(lèi)專(zhuān)業(yè)畢業(yè)的學(xué)生更加希望到更高的學(xué)府去深造。高校學(xué)生在學(xué)校的學(xué)業(yè)能力是一項(xiàng)考察其畢業(yè)之后就業(yè)狀況的重要指標(biāo)，在一定程度上說(shuō)明了該畢業(yè)生的能力及學(xué)習(xí)水平[5]。

在研究過(guò)程中分析高校人才的培養(yǎng)過(guò)程與市場(chǎng)因素是極為關(guān)鍵的。將培養(yǎng)過(guò)程中存在的諸多信息要素運(yùn)用在機(jī)器學(xué)習(xí)算法當(dāng)中，不僅是一種用于解決高校就業(yè)情況的新路徑，更是一種立足于高校就業(yè)情況利用大數(shù)據(jù)來(lái)實(shí)現(xiàn)教育資源數(shù)據(jù)整合與優(yōu)化的新思路，有助于幫助高校對(duì)學(xué)生畢業(yè)時(shí)進(jìn)行行為管理以及提供相應(yīng)的幫助。利用機(jī)器學(xué)習(xí)算法，根據(jù)高校就業(yè)情況的大數(shù)據(jù)信息，對(duì)機(jī)器學(xué)習(xí)算法本身的模型進(jìn)行不斷整理、優(yōu)化、分析反饋就業(yè)信息，使高校在提前預(yù)測(cè)畢業(yè)生就業(yè)情況的條件下，做到有效的校園就業(yè)平臺(tái)搭建與校園就業(yè)幫扶，從而提高其整體教育水平和學(xué)校學(xué)生的就業(yè)率。

5 ? ?結(jié)語(yǔ)

基于機(jī)器學(xué)習(xí)算法自身的優(yōu)化與進(jìn)步，對(duì)高校就業(yè)情況的大數(shù)據(jù)進(jìn)行分析，有助于全面、客觀地分析高校畢業(yè)生具體的就業(yè)情況，為高校提前預(yù)測(cè)畢業(yè)生的畢業(yè)動(dòng)向提供很好的參考。由于機(jī)器學(xué)習(xí)算法并不是一個(gè)范式的、固定的分析方法與研究途徑，所以希望機(jī)器學(xué)習(xí)算法在今后的高校教育與就業(yè)等方面的實(shí)踐與運(yùn)用當(dāng)中，能夠適當(dāng)?shù)卦黾痈嗟淖兞颗c因素，使其變得更加的高效、準(zhǔn)確，更好地為增強(qiáng)高校就業(yè)服務(wù)與提高教育水平提供助力。

[參考文獻(xiàn)]

[1]張素芳，翟俊海，王聰，等.大數(shù)據(jù)與大數(shù)據(jù)機(jī)器學(xué)習(xí)[J].河北大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（3）：299-308.

[2]谷珊.大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)算法趨勢(shì)研究[J].海峽科技與產(chǎn)業(yè)，2017（8）：12.

[3]曹志民，吳云，韓建，等.測(cè)井?dāng)?shù)據(jù)巖相分類(lèi)的機(jī)器學(xué)習(xí)方法和大數(shù)據(jù)巖相分類(lèi)探討[J].化工自動(dòng)化及儀表，2017（8）：36-37.

[4]王先毅，陳大偉.基于智能機(jī)器視覺(jué)的工業(yè)大數(shù)據(jù)預(yù)警分析系統(tǒng)[J].電子技術(shù)與軟件工程，2017（10）：88.

[5]肖紅.大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法探討[J].通訊世界，2017（6）：78.

Abstract：Machine learning can constantly acquire new knowledge and skills， algorithms can continue to improve and develop. This paper studies the employment big data of colleges and universities based on machine learning， discusses the significance of machine learning to the employment big data of colleges and universities， and forecasts the employment situation of colleges and universities based on machine learning， hoping to provide some references for the research and development of higher education.

Key words：machine learning; university employment; data analysis