基于HMIGW特征选择和XGBoost的毕业生就业预测方法

• 作者: 孙咏 李琦 焦艳菲 王美吉 高岑
• 来源期刊: 计算机系统应用
• 关键词: 毕业生就业预测 分类算法 特征选择
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 203-208
• 页数: 6页
• 字数: 5833字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006928

摘要

为了使高校的就业指导工作更具针对性,可以有针对性地培养学生,本文收集了毕业生的相关信息及其各自的就业情况,构建了基于HMIGW特征选择和XGBoost的分类预测建模算法,并将其应用于毕业生就业预测.本文首先考虑到学生信息数据具有离散型和连续型混合的特点,提出一种适应于就业预测的基于互信息和权重的混合(Hybrid feature selection based on Mutual Information and Gain Weight,以下简称HMIGW)特征选择算法,该方法先对学生数据的特征做相关性估值,然后采用前向特征添加后向递归删除策略进行特征选择,最后基于选择后的最优特征子集数据用XGBoost预测模型进行训练与结果预测.通过对比不同算法的结果,本文采用的预测方法在准确率和时间等评价指标上有较好的表现,对于毕业生培养就业指导具有积极作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岑	中国科学院沈阳计算技术研究所	18	49	4.0	6.0
2	李琦		64	336	11.0	14.0
6	孙咏	中国科学院沈阳计算技术研究所	33	139	6.0	9.0
7	焦艳菲		6	4	2.0	2.0
8	王美吉	中国科学院沈阳计算技术研究所	8	45	4.0	6.0