決策樹在就業數據分析中的應用

彭少芬

【摘 要】 在就業中，有許多因素決定著你最終就業單位的性質。為了能有效的分析就業因素的具體影響，在這里采用決策樹算法，先利用信息熵和各個屬性的信息增益找到劃分點，依次類推直至屬性無法再劃分，在進行分析。

【關鍵詞】 決策樹 ID3算法 信息熵 信息增益

1.前 言

自各大高校對于研究生進行擴招以來，畢業生數量急劇攀升。就業競爭越來越大，就業問題也日益突出，必須解決，否則不僅影響到學生的本身利益，也會影響到經濟和社會的可持續發展，學校一般都建立了學生管理系統，保存有大量的學生就業歷史數據，我們通過分析這些數據，從中找出影響就業的主要因素。從而為各大高校和學生就業培養提供有效建議。

2.決策樹算法

決策樹學習的目的是產生一棵泛化能力強，即處理未知樣本能力強的決策樹。決策樹屬性劃分原則是希望隨著劃分過程的進行，決策樹的分支結點所包含的樣本盡可能屬于同一類別，即結點的純度越來越高。

構造樹的步驟：

訓練樣本的信息值。

第一棵樹，屬性，各葉節點的信息值。

第一棵樹，屬性，導致的信息增益。

依次，計算每棵樹導致的信息增益。

選擇獲得最大信息增益的屬性進行劃分。

以此類推，遞歸，繼續劃分

當所有葉節點都是純的，劃分過程終止

屬性停止劃分條件：

當前結點所包含的樣本屬于同一類，無需劃分。

當前屬性集為空，或所有樣本在所有屬性上取值相同，無法劃分

當前結點包含的樣本集合為空，不能劃分。

3.決策樹算法的實際運用

3.1相關數據及說明

我們找到最能影響就業的主要因素有：專業成績，政治面貌，獎勵情況，社會實踐經驗、科研能力。在這里將就業單位作為決策變量。

就業單位分為企業和事業單位。

專業成績取平均，成績低于60分為差，60-80分為一般，80分以上為優良。

獎勵情況分為三個等級，多（獲得多次科研或學習等相關獎學金），少（獲得少數獎項），無（沒有獲得過任何獎項）。

科研能力分為兩個等級，優秀（發表過多篇文章等），少（發表少量文章等）

社會實踐經驗分為三個等級，多（在外實習次數多等）、少（偶爾在校做小項目），無（無任何實習經驗）。

隨機抽取了某班10個畢業研究生就業信息情況并對數據做了處理得到下表：

3.2訓練樣本的信息值（基于類的劃分）

訓練樣本（用來創建樹的數據集）在包含4個事業單位和6個企業的根節點上，對應于信息熵為：

3.3屬性信息增益值

然后，我們要計算出當前4個屬性的每個屬性的信息增益值，用“專業成績”劃分之后所獲得的三個分支節點的信息熵為：

于是根據公式算出屬性“專業成績”的信息增益為：

類似的，我們可計算出其他三個屬性的信息增益：

顯然，屬性“科研能力”的信息增益最大，于是它被選為劃分屬性，下圖是基于“科研能力”對根節點進行劃分的結果，各分支結點所包含的樣例子集顯示在結點中。

然后，決策樹學習算法將對每個分支結點做進一步劃分，以上圖科研能力少的樣例集合為例，里面有{甲，乙，戊，己，庚，葵}6個樣例，可用屬性集合為{專業成績，獎勵情況，社會實踐經驗}?；诳蒲心芰ι儆嬎愠龈鲗傩缘男畔⒃鲆?。首先算出專業成績的信息增益。

基于科研能力少的專業成績信息熵：

所以可算出基于科研能力少的專業成績信息增益為：

同理，我們可計算出其他屬性基于科研能力少的信息增益。

3.4決策樹的生成

“專業成績”取得了最大的信息增益，可選專業成績作為劃分屬性。類似的，對每個分直節點進行上述操作，最終得到的決策樹如下圖所示。

3.5結論

從上面的決策樹我們可以看出，科研能力優秀的人基本都進了事業單位，因為事業單位比較注重科研能力，專業成績對就業單位也有影響，專業成績差和一般的更多進入企業，社會經驗豐富的學生進企業的多。學生要是畢業后更傾向于進入事業單位，應側重加強專業素養和科研能力的培養，如果要是想到企業發展，應多多側重專業成績，好好學習專業知識，側重社會實踐經驗的培養，學?？梢愿鶕W生的傾向制定相應的培養方案，提高就業率。

4.結語

在目前就業形勢嚴峻的環境下，本文提出了基于ID3算法來構造決策樹的方法。實驗表明，該算法所構造的決策樹結構簡單、更加準確使用，而且具有較高的可理解性。具有很好的實際利用價值。為我們作出最終決策和制定有效措施提供了非常有利的參考依據。

【參考文獻】

[1] 安瑞鈺，郝琪，基于ID3決策樹算法的學科競賽參賽學生選拔——以天津農學院數學建模競賽為例[J].信息與電腦（理論版）.2019，（11），24-25.

[2] 韓松來，張輝，周華平.基于關聯度函數的決策樹分類算法[J].計算機應用，2005（11）：2655-2657.

[3] 王子京，劉毓，決策樹ID3新屬性選擇方法[J].現代電子技術.2018，41（23），9-12.