论文部分内容阅读
针对就业数据中的高维、不平衡、多类别等特点,为了进一步提升决策树方法对高校学生就业预测的准确度,提出了一种基于LightGBM的就业预测模型。首先采用改进的ADASYN综合采样算法,增加数据样本中的少数类,然后采用平衡后的就业数据训练LightGBM算法,并结合贝叶斯模型进行参数寻优,得到最终的就业预测结果,最后对预测模型进行特征分析,度量各个特征对就业的影响程度。通过某高校毕业生的不平衡就业数据集对所提方法的有效性进行验证,与多种不平衡分类方法进行实验对比,证明了本文提出的模型具有更好的预测性能。