| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 插图和附表清单 | 第8-9页 |
| 缩略语表 | 第9-10页 |
| 1 引言 | 第10-14页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的结构及研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 数据挖掘理论及决策树理论 | 第14-20页 |
| 2.1 数据挖掘理论 | 第14-17页 |
| 2.1.1 数据挖掘的定义 | 第14-15页 |
| 2.1.2 数据挖掘的过程 | 第15-16页 |
| 2.1.3 数据预处理 | 第16-17页 |
| 2.2 数据挖掘的分类技术 | 第17页 |
| 2.3 决策树算法 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 前期数据处理 | 第20-27页 |
| 3.1 高校就业属性 | 第20页 |
| 3.2 挖掘对象及目标确定 | 第20页 |
| 3.3 数据采集 | 第20-22页 |
| 3.4 数据预处理 | 第22-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 决策树算法及其应用 | 第27-42页 |
| 4.1 ID3算法 | 第27-32页 |
| 4.1.1 ID3算法简介 | 第27页 |
| 4.1.2 ID3算法基本原理 | 第27-28页 |
| 4.1.3 ID3算法的优缺点 | 第28-29页 |
| 4.1.4 ID3算法在大学生学习与就业关联研究中的应用 | 第29-32页 |
| 4.2 C4.5算法 | 第32-36页 |
| 4.2.1 C4.5算法简介 | 第32页 |
| 4.2.2 C4.5算法基本原理 | 第32-34页 |
| 4.2.3 C4.5算法的优缺点 | 第34页 |
| 4.2.4 C4.5算法在大学生学习与就业关联中的应用 | 第34-36页 |
| 4.3 CART算法 | 第36-41页 |
| 4.3.1 CART算法简介 | 第36-37页 |
| 4.3.2 CART算法基本原理 | 第37-38页 |
| 4.3.3 CART算法的优缺点 | 第38页 |
| 4.3.4 CART算法在大学生学习与就业关联研究中的应用 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 三种决策树算法的对比研究 | 第42-48页 |
| 5.1 基础属性对比 | 第42页 |
| 5.2 分裂属性选择方法对比 | 第42-43页 |
| 5.3 实验数据分析对比 | 第43-47页 |
| 5.3.1 kappa值对比 | 第43-44页 |
| 5.3.2 准确率对比 | 第44-45页 |
| 5.3.3 边缘曲线对比 | 第45-47页 |
| 5.4 本章小结 | 第47页 |
| 5.5 论文研究基金资助 | 第47-48页 |
| 6 总结 | 第48-49页 |
| 7 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简介 | 第53页 |
