| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 特征选择算法研究现状 | 第11-12页 |
| 1.2.2 就业预测问题研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 论文组织架构 | 第14-17页 |
| 第2章 相关理论研究 | 第17-33页 |
| 2.1 特征选择算法 | 第17-23页 |
| 2.1.1 特征选择算法相关概念 | 第17-18页 |
| 2.1.2 特征选择算法的过程 | 第18-19页 |
| 2.1.3 特征选择算法的类别 | 第19-22页 |
| 2.1.4 特征选择结果评估 | 第22-23页 |
| 2.2 决策树类预测算法 | 第23-32页 |
| 2.2.1 决策树算法相关概念 | 第23-27页 |
| 2.2.2 随机森林算法相关概念 | 第27-30页 |
| 2.2.3 XGBoost算法相关概念 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于特征选择和XGBoost的毕业生就业预测算法研究 | 第33-43页 |
| 3.1 毕业生就业预测问题概述 | 第33-38页 |
| 3.1.1 毕业生就业预测问题介绍 | 第33-34页 |
| 3.1.2 毕业生就业影响因素分析 | 第34-37页 |
| 3.1.3 毕业生就业预测问题的基本模型 | 第37-38页 |
| 3.2 基于HMIGW特征选择和XGBoost的毕业生就业预测算法 | 第38-41页 |
| 3.2.1 算法流程 | 第38-39页 |
| 3.2.2 特征选择算法HMIGW | 第39-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第4章 算法的验证与评价 | 第43-55页 |
| 4.1 评价指标 | 第43页 |
| 4.2 数据预处理 | 第43-48页 |
| 4.2.1 数据采集 | 第43-45页 |
| 4.2.2 数据集成 | 第45页 |
| 4.2.3 数据规约 | 第45-48页 |
| 4.3 与其他特征选择算法对比 | 第48-52页 |
| 4.3.1 实验案例及数据来源 | 第48-49页 |
| 4.3.2 实验设计 | 第49-50页 |
| 4.3.3 实验结果对比 | 第50-52页 |
| 4.4 与传统预测算法对比 | 第52-53页 |
| 4.4.1 实验案例及数据来源 | 第52页 |
| 4.4.2 实验设计 | 第52页 |
| 4.4.3 实验结果对比 | 第52-53页 |
| 4.5 算法评价 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 算法的应用与展望 | 第55-59页 |
| 5.1 算法的应用 | 第55-57页 |
| 5.1.1 依托平台 | 第55页 |
| 5.1.2 运营效果 | 第55-56页 |
| 5.1.3 改善就业情况的方案 | 第56-57页 |
| 5.2 研究局限与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第65页 |