基于统计学习算法的学生就业服务平台数据分类方法

学生就业是高等教育质量管理工作的核心,学生就业服务平台是解决学生就业困难的新方法。为了更好地为学生提供就业服务,提出一种基于统计学习算法的学生就业服务平台数据分类方法。采用信息熵和信息增益指标选择学生就业服务平台数据样本特征属性,利用主成分分析法融合学生就业服务平台样本数据特征信息。在此基础上,基于统计学习算法中的朴素贝叶斯算法,将融合后的学生就业服务平台样本数据特征信息输入到朴素贝叶斯分类器模型中,结合先验概率和后验概率,实现学生就业服务平台数据分类。实验结果表明,所提方法的ROC曲线面积达到整体有效面积的98%以上,分类准确率高达95.8%,分类时间仅为5.38 ms,具有较好的学生就业服务平台数据分类效果,可以提高分类精度,有效缩短分类时间。

资料为PDF文档格式.

本文档关键词:算法,就业,数据,统计,学习