决策树算法在学生就业管理中的应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.2.1 理论意义 | 第12页 |
| 1.2.2 现实意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 论文研究内容及组织结构 | 第13-15页 |
| 第二章 数据挖掘理论 | 第15-26页 |
| 2.1 数据挖掘的概述 | 第15-17页 |
| 2.1.1 问题建模 | 第16页 |
| 2.1.2 数据准备 | 第16页 |
| 2.1.3 数据开采 | 第16页 |
| 2.1.4 结果表述评估 | 第16-17页 |
| 2.2 数据挖掘的应用和发展趋势 | 第17-18页 |
| 2.2.1 数据挖掘的应用 | 第17页 |
| 2.2.2 数据挖掘的发展趋势 | 第17-18页 |
| 2.3 数据挖掘技术 | 第18-19页 |
| 2.3.1 数据挖掘技术 | 第18页 |
| 2.3.2 决策树 | 第18-19页 |
| 2.4 决策树基本理论 | 第19-21页 |
| 2.4.1 决策树的定义 | 第19页 |
| 2.4.2 决策树的构造 | 第19-20页 |
| 2.4.3 决策树的修剪 | 第20页 |
| 2.4.4 属性选择度量 | 第20-21页 |
| 2.5 常用决策树算法 | 第21-25页 |
| 2.5.1 ID3算法 | 第21-22页 |
| 2.5.2 CART算法 | 第22-24页 |
| 2.5.3 C4.5算法 | 第24-25页 |
| 2.5.4 几种算法的对比 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 原始数据预处理 | 第26-31页 |
| 3.1 引言 | 第26页 |
| 3.2 原始数据集 | 第26-28页 |
| 3.3 数据预处理过程 | 第28-30页 |
| 3.3.1 外键标识列约减 | 第29页 |
| 3.3.2 不相关列约减 | 第29页 |
| 3.3.3 冗余列约减 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 决策树算法在高职学生就业管理中的应用研究 | 第31-43页 |
| 4.1 构造训练和测试数据集 | 第31-36页 |
| 4.2 构造决策树 | 第36-39页 |
| 4.3 就业系统平台的规律挖掘 | 第39-41页 |
| 4.4 实验评估 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于K近邻相似的C4.5改进算法 | 第43-53页 |
| 5.1 常见的属性缺失值处理方法 | 第43-44页 |
| 5.1.1 删除存在缺失值的样本 | 第43页 |
| 5.1.2 可能值填充缺失值 | 第43-44页 |
| 5.2 基于K近邻相似的C4.5改进算法 | 第44-46页 |
| 5.3 实验 | 第46-52页 |
| 5.3.1 实验平台 | 第46页 |
| 5.3.2 实验数据 | 第46-48页 |
| 5.3.3 实验过程 | 第48-49页 |
| 5.3.4 模型评估和分析 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的论文情况 | 第60页 |
