基于机器学习的毕业生收入预测与分析研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-13页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外现状 | 第11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 相关概念与理论基础 | 第13-17页 |
| 2.1 教育数据挖掘影响要素分析 | 第13-15页 |
| 2.1.1 教育数据挖掘目标 | 第13页 |
| 2.1.2 教育数据来源 | 第13-14页 |
| 2.1.3 教育数据挖掘过程 | 第14-15页 |
| 2.2 数据挖掘方法 | 第15页 |
| 2.3 数据集描述 | 第15-16页 |
| 2.4 实验环境 | 第16-17页 |
| 第3章 毕业生收入等级分类预测 | 第17-36页 |
| 3.1 逻辑回归算法 | 第17-19页 |
| 3.2 决策树分类算法 | 第19-20页 |
| 3.3 Boosting算法 | 第20-23页 |
| 3.4 分类模型的评价标准： | 第23-24页 |
| 3.5 实验结果 | 第24-34页 |
| 3.5.1 逻辑回归实验结果 | 第25-26页 |
| 3.5.2 logistic回归的L2范数选择 | 第26-30页 |
| 3.5.3 决策树实验结果 | 第30-32页 |
| 3.5.4 KNN回归分类的实验结果 | 第32-34页 |
| 3.5.5 Adaboost分类实验结果 | 第34页 |
| 3.6 本章小结 | 第34-36页 |
| 第4章 毕业生收入数值回归预测 | 第36-46页 |
| 4.1 回归模型 | 第36页 |
| 4.2 多项式回归模型 | 第36-40页 |
| 4.2.1 模型效果评价方法 | 第38-39页 |
| 4.2.2 ridge回归 | 第39-40页 |
| 4.3 实验结果 | 第40-46页 |
| 4.3.1 探索父母收入和子女收入的关系 | 第40-41页 |
| 4.3.2 使用单特征多项式回归模型预测学费 | 第41-43页 |
| 4.3.3 使用多特征多项式回归模型预测学费 | 第43-44页 |
| 4.3.4 KNN的实验过程 | 第44-46页 |
| 第5章 分类和回归算法的改进与验证 | 第46-51页 |
| 5.1 基于精确率和召回率改进的逻辑回归算法 | 第46-49页 |
| 5.1.1 算法验证过程 | 第46-47页 |
| 5.1.2 原因分析 | 第47-48页 |
| 5.1.3 改进的逻辑回归算法流程 | 第48-49页 |
| 5.2 融合了KNN的多项式回归算法 | 第49-51页 |
| 第6章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介 | 第56-57页 |
| 致谢 | 第57页 |
