白曉鑫

[摘 要]文章運(yùn)用決策樹中的C4.5算法對所調(diào)查的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘。通過實(shí)例給出了該算法在大學(xué)生就業(yè)滿意度分析中的應(yīng)用，以找出影響就業(yè)滿意度的因素，為大學(xué)生自身發(fā)展及高校學(xué)生工作提供依據(jù)，提高就業(yè)滿意度。

[關(guān)鍵詞]數(shù)據(jù)挖掘；決策樹；C4.5算法；就業(yè)滿意度

[DOI]10.13939/j.cnki.zgsc.2017.28.153

近年來，高等院校招生規(guī)模不斷擴(kuò)大，高校畢業(yè)生人數(shù)不斷增多，預(yù)計(jì)2017年高校畢業(yè)生高達(dá)795萬人。面對就業(yè)難的形勢，高校畢業(yè)生的就業(yè)滿意度得到了廣泛的關(guān)注。就業(yè)滿意度是反映就業(yè)機(jī)會(huì)的可獲得性、工作穩(wěn)定性、工作場所的尊嚴(yán)和安全、機(jī)會(huì)平等、收入、個(gè)人發(fā)展有關(guān)方面滿意度的綜合概念，也是反映高校人才培養(yǎng)水平的重要標(biāo)志。[1]

文章對某大學(xué)2017屆畢業(yè)生進(jìn)行問卷調(diào)查，并對所取得數(shù)據(jù)進(jìn)行挖掘。基于大學(xué)生自身的角度，利用C4.5數(shù)據(jù)挖掘算法建立決策分類樹，找出大學(xué)生自身因素對就業(yè)滿意度的影響，為低屆學(xué)生提供學(xué)習(xí)方向，為高校決策者提供教學(xué)和學(xué)生工作建議。[2]

1 C4.5算法

C4.5算法是決策樹算法中最重要的算法之一，是對決策樹核心算法ID3的改進(jìn)算法，該算法的基本流程與ID3算法基本相同；但是，值得注意的是，C4.5算法用信息增益率來選擇屬性，克服了ID3算法中用信息增益來選擇屬性時(shí)偏向選擇多值屬性的問題。

在C4.5算法中決策樹結(jié)點(diǎn)屬性的選擇是根據(jù)信息論中熵的概念來進(jìn)行的。首先計(jì)算出類別屬性的信息熵，再計(jì)算出非類別屬性的期望信息熵，通過信息增益與分裂信息得出信息增益率，將信息增益率最大的屬性作為決策樹的節(jié)點(diǎn)，從而構(gòu)造出決策樹。[3]計(jì)算過程如下：

設(shè)D為用類別對訓(xùn)練集進(jìn)行的劃分，則D的熵表示為：

Info（D）=-mi=1Pilog2（Pi）

其中Pi表示第i個(gè)類別在整個(gè)訓(xùn)練集中出現(xiàn)的概率。

隨后假設(shè)將訓(xùn)練集D按屬性A進(jìn)行劃分，則A對D劃分的期望信息熵為：

Info（D）=nj=1DjDInfo（Dj）

其中D是表示訓(xùn)練集中樣本的數(shù)量，Dj是基于屬性A的某個(gè)值的子樹中每一類的樣本數(shù)量；

那么信息增益就為兩者的差值：

Gain（A）= Info（D）-InfoA（D）

信息增益率為：

Gain Ratio = Gain（A）/ Split Info（A）

其中分裂信息Split Info（A）=- ki=1DjDlog 2DjD，D1到Dk是K個(gè)不同值的屬性A分割D而形成的K個(gè)樣本子集。

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)準(zhǔn)備

在此次就業(yè)滿意度調(diào)查中，主要需要收集的數(shù)據(jù)有大學(xué)畢業(yè)生的性別、就業(yè)目標(biāo)清晰度、對工作崗位的了解程度，為了保證數(shù)據(jù)的質(zhì)量及一致性，需要對收集到的數(shù)據(jù)進(jìn)行合并、量化、轉(zhuǎn)換、集成等處理工作。

2.2 數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)樣本用一個(gè)三維向量X={X1， X2， X3}表示，分別描述性別、就業(yè)目標(biāo)清晰度、對工作崗位的了解程度對大學(xué)生就業(yè)滿意度的影響。各屬性按如下方式進(jìn)行定義：

就業(yè)滿意度：分為兩種，滿意用“Y”表示，不滿意用“N”來表示。

性別：分為兩種，即“男”或“女”。

就業(yè)目標(biāo)清晰度：分為三個(gè)等級，高（有明確就業(yè)目標(biāo)），中（就業(yè)目標(biāo)不夠清晰），低（從未想過就業(yè)目標(biāo)）。

對工作崗位的了解程度：分為三種，A（了解），B（不太了解），C（不了解）。

3 構(gòu)造決策樹

選取訓(xùn)練樣本數(shù)據(jù)集，如下表所示，將就業(yè)滿意度作為類別表示屬性，將性別、就業(yè)目標(biāo)清晰度、對工作崗位的了解程度作為決策屬性。

（1）根據(jù)樣本類別屬性計(jì)算信息熵。就業(yè)訓(xùn)練樣本集中樣本類別屬性為就業(yè)滿意度。首先計(jì)算出就業(yè)滿意度的信息熵，其中就業(yè)滿意的有12人，就業(yè)不滿意的有8人。根據(jù)公式計(jì)算其信息熵：

I（就業(yè)滿意度）=-（1220log21220+820log2820）= 0.9710

（2）計(jì)算每個(gè)非類別屬性的期望信息熵。

對屬性“性別”

t1=7（性別為“男”的個(gè)數(shù)），p1=6（就業(yè)滿意度為YES的個(gè)數(shù)），q1=1（就業(yè)滿意度為NO的個(gè)數(shù)）

t2=13（性別為“女”的個(gè)數(shù)），p2=6（就業(yè)滿意度為YES的個(gè)數(shù)），q2=7（就業(yè)滿意度為NO的個(gè)數(shù)）

E（性別）=-[720×（67log267+17log217）+1320×（613log2613+713log2713）] = 0.8543

因此，屬性“性別”的信息增益Gain（性別）= I（就業(yè)滿意度）-E（性別）= 0.9710-0.8543=0.1167

屬性“性別”的分裂信息：

Split Info（性別）=-（720log2720+1320log21320）= 0.9341

屬性“性別”的信息增益率Gain Ratio（性別）= Gain（性別）/ Split Info（性別）= 0.1249

同理計(jì)算得到

對于屬性“就業(yè)目標(biāo)清晰度”

E（就業(yè)目標(biāo)清晰度）= 0.9203，Split Info（就業(yè)目標(biāo)清晰度）= 1.5129

所以Gain Ratio（就業(yè)目標(biāo)清晰度）= Gain（就業(yè)目標(biāo)清晰度）/ Split Info（就業(yè)目標(biāo)清晰度）= 0.0335

對于屬性“對工作崗位的了解程度”

E（對工作崗位的了解程度）= 0.8797，Split Info（對工作崗位的了解程度）= 1.5813endprint

所以Gain Ratio（對工作崗位的了解程度）= Gain（對工作崗位的了解程度）/ Split Info（對工作崗位的了解程度）= 0.0577

（3）由于屬性“性別”具有最大信息增益率值，故將“性別”作為決策樹的根節(jié)點(diǎn)，引出一個(gè)分支，樣本按此劃分。對引出的每一個(gè)分支再用此分類方法進(jìn)行分類，再引出分支，最后所構(gòu)造出的決策樹如下圖所示：

C4.5算法構(gòu)造決策樹

（4）分類規(guī)則提取。根據(jù)構(gòu)造的決策樹，用IF—THEN對所分析出的結(jié)果進(jìn)行描述。將數(shù)據(jù)可視化，以便于人們理解，本例中的部分分類規(guī)則如下：

IF性別=“男”and對崗位的了解程度=“了解”或“不太了解”THEN對就業(yè)滿意；

IF性別=“男”and對崗位的了解程度=“不了解”and就業(yè)目標(biāo)清晰度=“中”THEN對就業(yè)滿意；

IF性別=“男”and對崗位的了解程度=“不了解”and就業(yè)目標(biāo)清晰度=“低”THEN對就業(yè)不滿意；

IF性別=“女”and就業(yè)目標(biāo)清晰度=“高”或“中”and對崗位的了解程度=“了解”或“不太了解”THEN對就業(yè)滿意；

IF性別=“女”and就業(yè)目標(biāo)清晰度=“高”或“中”and對崗位的了解程度=“不了解”THEN對就業(yè)不滿意；

IF性別=“女”and就業(yè)目標(biāo)清晰度=“低”THEN對就業(yè)不滿意。

4 結(jié)果分析

由以上規(guī)則可以看出男生與女生在就業(yè)滿意度中有較大程度的不同。男生對工作崗位了解或有一定程度的了解，無論就業(yè)目標(biāo)是否清晰，都能找到滿意的工作；即使不了解崗位，如果對就業(yè)目標(biāo)有一定程度的認(rèn)知，也可以找到滿意的工作。而對于女生來說，只有當(dāng)就業(yè)目標(biāo)清晰度高或者適中且對工作崗位了解或有一定程度了解，才能找到滿意的工作。由此來看，性別是影響就業(yè)滿意度的重要因素，就業(yè)目標(biāo)清晰度及對工作崗位的了解程度也起到了較大的作用。

5 提高大學(xué)生就業(yè)滿意度的建議

根據(jù)以上利用C4.5算法對大學(xué)生業(yè)滿意度的分析，對學(xué)生本身及高校學(xué)生工作提出以下3點(diǎn)建議：

（1）提前制訂職業(yè)生涯規(guī)劃。大學(xué)生應(yīng)根據(jù)自己的興趣愛好及自身特點(diǎn)，進(jìn)行自身的社會(huì)定位，提前制定職業(yè)生涯規(guī)劃，明確就業(yè)目標(biāo)，提升自身能力，把握就業(yè)機(jī)會(huì)，提高就業(yè)滿意度。值得強(qiáng)調(diào)的是，女生相較于男生而言更需要有相對清晰的就業(yè)目標(biāo)，以此來提高就業(yè)滿意度。

（2）加強(qiáng)對各工作崗位的了解。大學(xué)生應(yīng)將自己的就業(yè)目標(biāo)與對工作崗位的認(rèn)知結(jié)合起來考慮，根據(jù)就業(yè)目標(biāo)全面了解相應(yīng)工作崗位的工作內(nèi)容、工作技能和工作方法與工具，以便找到適合自己的工作，提高就業(yè)滿意度。

（3）高校提供高水平的就業(yè)指導(dǎo)。各高校要以市場需求為導(dǎo)向，制定全方位的就業(yè)指導(dǎo)體系，根據(jù)學(xué)生自身特點(diǎn)實(shí)行分類、分階段的就業(yè)指導(dǎo)，提升大學(xué)生對自身、企業(yè)需求、工作內(nèi)容、就業(yè)方向的認(rèn)知，引導(dǎo)大學(xué)生樹立積極的就業(yè)觀念，提高就業(yè)滿意度。

參考文獻(xiàn)：

[1] 徐才千.提高大學(xué)生就業(yè)滿意度途徑探索[J].繼續(xù)教育研究，2011（9）.

[2] 張俊，王琴.C4.5算法在研究生就業(yè)信息庫中的應(yīng)用研究[J].信息技術(shù)，2009（11）.

[3] 傅亞莉.數(shù)據(jù)挖掘技術(shù)C4.5算法在成績分析中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào)，2013（11）.endprint