【正文】 .......................... 22 預(yù)測畢業(yè)生就業(yè)情況 ............................................................................................................ 22 分析統(tǒng)計(jì)圖 .................................................................................................................................. 22 小結(jié) .......................................................................................................................................................... 23 第 4 章 系統(tǒng)測試與運(yùn)行 ........................................................................................................................... 24 畢業(yè)生就業(yè)數(shù)據(jù)分析系統(tǒng) ............................................................................................................ 24 數(shù)據(jù)庫的連接和訪問操作正常 ........................................................................................ 24 計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 III 整個(gè)界面菜單正常 ................................................................................................................. 25 模 塊設(shè)計(jì) ............................................................................................................................................... 25 數(shù)據(jù)錄入、修改模塊 ............................................................................................................ 25 MyEclipse 的運(yùn)行正常 ....................................................................................................... 25 數(shù)據(jù)分析圖輸出 正常 ............................................................................................................ 26 第 5 章 結(jié)束語與展望 ................................................................................................................................. 28 結(jié)束語 .................................................................................................................................................... 28 展望 ......................................................................................................................................................... 28 致 謝 ................................................................................................................................................................... 30 參考文獻(xiàn) ............................................................................................................................................................. 31 計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 IV 引言 近年來隨著人工智能 技術(shù) 和數(shù)據(jù)庫技術(shù)的發(fā)展 ，數(shù)據(jù)挖掘技術(shù)出現(xiàn) 。需要我們不斷挖掘 。《 畢業(yè)生就業(yè)數(shù)據(jù)分析系統(tǒng)開發(fā) 》是按照數(shù)據(jù)挖掘方法及軟件工程設(shè)計(jì)步驟，詳細(xì)地說明了整個(gè)開發(fā)過程以及 每一個(gè) 技術(shù)細(xì)節(jié)。計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 1 第 1 章 選題背景概述 課題背景 隨著數(shù)據(jù)庫技術(shù)的不斷發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的推廣應(yīng)用，人們積累的數(shù)據(jù)越來越多。因此，展現(xiàn)在人們面前的數(shù)據(jù)不僅僅局限于某個(gè) 部門、某個(gè)單位和某個(gè)行業(yè)等，而是浩瀚無限的信息海洋。雖然目前的數(shù)據(jù)庫系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能，但是無法自動(dòng)、智能地將等待處理的數(shù)據(jù)背后隱藏的重要信息和知識挖掘出來加以利用，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢，并達(dá)到?jīng)Q策服務(wù)的目的，因此導(dǎo)致“數(shù)據(jù)海量爆炸但是知識貧乏”的現(xiàn)象。 課題的目的和意義 隨著我國高等教育的普及，全國大部分高校都根據(jù)自身情況進(jìn)行了擴(kuò)招，于是造成如今高校畢業(yè)生的就業(yè)形勢逐漸嚴(yán)峻的狀態(tài)。當(dāng)前對于高校畢業(yè)生的就業(yè)狀況的分析相對簡單，大多僅僅按學(xué)校的就業(yè)率和專業(yè)就業(yè)率進(jìn)行評價(jià)，顯得片面、缺乏科學(xué)性。從微觀上看，學(xué)生自身的素質(zhì)和某些硬性條件是影響就業(yè)的關(guān)鍵。本課題正是在這一背景下提出，利用數(shù)據(jù)挖掘任務(wù)之一的分類，對過往的畢業(yè)生就業(yè)信息建立預(yù)測模型，同時(shí)應(yīng)用該模型對即將的畢業(yè)生的就業(yè)狀況進(jìn)行預(yù)測，以便為學(xué)校招生就業(yè)部門的工作提供參考與建議?？梢灶A(yù)測到他們的就業(yè)情況和就業(yè)的概率。 國內(nèi)外發(fā)展概況 計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 2 國外研究和發(fā)展現(xiàn)狀 與數(shù)據(jù)挖掘 (Data Mining)極為相似的術(shù)語一一從數(shù)據(jù)庫中發(fā)現(xiàn)知識 (KDD)一詞，首次出現(xiàn)在 1989 年 8 月在美國底特律召開的第 1l 屆國際人工智能聯(lián)合會(huì)議的專題討論會(huì)上。會(huì)議名稱為 ACM SIGKDD Intemational Conference on Knowledge Discovery and Data Mining，簡稱 KDD 會(huì)議。研究重點(diǎn)也逐漸從發(fā)現(xiàn)方法轉(zhuǎn)向系統(tǒng)應(yīng)用。 國外的研究重點(diǎn)從發(fā)現(xiàn)方法逐漸向系統(tǒng)應(yīng)用直到專享大規(guī)模的綜合系統(tǒng)開發(fā)，并且注重多種發(fā)現(xiàn)策略和技術(shù)的集成。 1993 年國家自然科學(xué)基金首次支持中科院合 肥分院對該領(lǐng)域的研究項(xiàng)目。研究領(lǐng)域一般集中于學(xué)習(xí)算法的研究、數(shù)據(jù)挖掘的實(shí)際應(yīng)用以及有關(guān)數(shù)據(jù)挖掘理論方面的研究。 指導(dǎo)思想 本設(shè)計(jì)主要采用數(shù)據(jù)挖掘技術(shù) 對畢業(yè)生就業(yè)情況進(jìn)行預(yù)測。 該設(shè)計(jì)方案主要采用數(shù)據(jù)挖掘技術(shù)，通過對往屆畢業(yè)生就業(yè)數(shù)據(jù)的導(dǎo)入，對其進(jìn)行統(tǒng)計(jì)分析，應(yīng)用貝葉斯定理建立預(yù)測模型，并應(yīng)用該模型對未來即將就業(yè)的畢業(yè)生的就業(yè)趨勢進(jìn)行 預(yù)測。 數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)挖掘技術(shù)的產(chǎn)生背景 隨著信息技術(shù) 的高速發(fā)展，人們積累的數(shù)據(jù)量急劇增長，如何從海量的數(shù)據(jù)中提取有用的知識成為當(dāng)務(wù)之急 。其主要任務(wù)是關(guān)聯(lián)分析、分類、預(yù)測時(shí)序模式和偏差分析等。 數(shù)據(jù)挖掘技術(shù)是人們長期對數(shù)據(jù)庫技術(shù)進(jìn)行研究和開發(fā)的結(jié)果。數(shù)據(jù)挖掘使數(shù)據(jù)庫技術(shù)進(jìn)入了一個(gè)更高級的階段，它不僅能對過去的數(shù)據(jù)進(jìn)行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進(jìn)信息的傳遞。 從廣義上 講 ，數(shù)據(jù)、信息也是知識的表現(xiàn)形式，但是人們更把概念、規(guī)則、模式、規(guī)律和約束等看作知識。原始數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)；也可以是半結(jié)構(gòu)化的，如文本、圖形 和圖像數(shù)據(jù) ；甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)的知識可以被用于信息管理，查詢優(yōu)化，決策支持和過程控制等，還可以用于數(shù)據(jù)自身的維護(hù)。在這種需求牽引下，匯聚了不同領(lǐng)域的研究者，尤其是數(shù)據(jù)庫技術(shù)、人工智能技術(shù) 、數(shù)理統(tǒng)計(jì)、可視化 技術(shù)、并行計(jì)算等方面的學(xué)者和 工程技術(shù)人員 ，投身到數(shù)據(jù)挖掘這一新興的研究領(lǐng)域，形成新的技術(shù)熱點(diǎn)。簡而言之，數(shù)據(jù)挖掘其實(shí)是一類深層次的數(shù)據(jù)分析方法。分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男枰饕菫樯虡I(yè)決策提供真正有價(jià)值的信息，進(jìn)而獲 得利潤。 貝葉斯分類算法 貝葉斯算法的介紹 貝葉斯分類算法是統(tǒng)計(jì)學(xué)的一種分類方法，它是一類利用概率統(tǒng)計(jì)知識進(jìn)行分類的算法。 由于貝葉斯定 理假設(shè)一個(gè)屬性值對給定類的影響?yīng)毩⒂谄渌鼘傩缘闹担思僭O(shè)在實(shí)際情況中經(jīng)常是不成立的，因此其分類準(zhǔn)確率可能會(huì)下降。 貝葉斯定理 計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 4 貝葉斯定理 （ Bayes39。在有些關(guān)于概率的解說中，貝葉斯定理能夠告知我們?nèi)绾卫眯伦C據(jù)修改已有的看法。貝葉斯公式的用途在于通過己知三個(gè)概率函數(shù)推出第四個(gè)。通過聯(lián)系 A 與 B,計(jì)算從一個(gè)事件產(chǎn)生另一事件的概率 ,即從結(jié)果上溯原。這樣的理念導(dǎo)致貝葉斯主義者有更多的機(jī)會(huì)使用貝葉斯定理。 () 其中 P(A|B)是在 B 發(fā)生的情況下 A 發(fā)生的可能性。之所以稱為 先驗(yàn) 是因?yàn)樗豢紤]任何 B 方面的因素。 (3)P(B|A)是已知 A發(fā) 生后 B 的 條件概率 ，也由于得自 A 的取值而被稱作 B 的后驗(yàn)概率。 按這些術(shù)語， Bayes 定理可表述為： 后驗(yàn)概率 = (相似度 *先驗(yàn)概率 )/標(biāo)準(zhǔn)化常量 。 另外，比例 P(B|A)/P(B)也有時(shí)被稱作標(biāo)準(zhǔn)相似度（ standardised likelihood），Bayes 定理可表述為： 后驗(yàn)概率 = 標(biāo)準(zhǔn)相似度 *先驗(yàn)概率 。通俗說，就好比這么個(gè)道理，你在街上看到一個(gè)黑人， 我們不能確切說他是從哪里來的 ， 但是 你十有八九猜 是 非洲 人 。 樸素貝葉斯分類 法 的正 式定義如下： 設(shè) ? ?maaax ,... , 21? 為一個(gè)待分類項(xiàng)，而每個(gè) a 為 x 的一個(gè)特征屬性 。 計(jì)算 ? ? ? ? ? ?xyPxyPxyP n |,. .. ,|,| 21 。 現(xiàn)在的關(guān)鍵是計(jì)算第 3 步中 各個(gè)條件概率 ，就能得出第 4 步的最大值 。 然后 統(tǒng)計(jì)得到在各類別下各個(gè)特征屬性的條件概率估計(jì)。 . .. 。|() , .. .,|(),|( 212222111211 nnmm yaPyaPyaPyaPyaPyaPyaPyaP。又因各特征屬性 為 條件獨(dú)立的，所以有： ? ??? mj ijiiimiiii yaPyPyPyaPyaPyaPyPyxP 121 )|()()()|()...|()|()()|( () 根據(jù)上述分析，樸素貝葉斯分類的流程可以由下圖 11表示： 確 定 屬 性 特 征獲 取 訓(xùn) 練 樣 本對 每 個(gè) 類 別 計(jì) 算 p ( y i )對 每 個(gè) 特 征 屬 性 計(jì) 算所 有 劃 分 的 條 件 概 率對 每 個(gè) 類 別 計(jì) 算P ( x | y i ) p ( y i )以 P ( x | y i ) p ( y i ) 最大 項(xiàng) 作 為 x 所 屬 類 別 圖 11樸 素貝葉斯分類流程 圖 計(jì)算機(jī)信息工程學(xué)院畢業(yè)設(shè)計(jì)說明書 6 可以看到，整個(gè)樸素貝葉斯分類分為三個(gè)階段： 第一階段 —— 準(zhǔn)備工作階段，這個(gè)階段的任務(wù)是為樸素貝葉斯分類做必要的準(zhǔn)備，主要工作是根據(jù)具體情況確定特征屬性，并對每個(gè)特征屬性進(jìn)行適當(dāng)劃分，然后由人工對一部分待分類項(xiàng)進(jìn)行分類，形成訓(xùn)練樣本集合。這一階段是整個(gè)樸素貝葉斯分類中唯一需要人工完成的階段，其質(zhì)量對整個(gè)過程將有重要影響，分類器的質(zhì)量很大程度上由特征屬性、特征屬性劃分及訓(xùn)練樣本質(zhì)量決定。其輸入是特征屬性和訓(xùn)練樣本，輸出是分類器。 第三階段 —— 應(yīng)用階段。這一階段也是機(jī)械性階段，由程序完成。 當(dāng)特征屬性為連續(xù)值時(shí)，通常假定其值服從高斯分布（也稱正態(tài)分布）。 因此只要計(jì)算出訓(xùn)練樣本中各個(gè)類別中此特征項(xiàng)劃分的各均值和標(biāo)準(zhǔn)差，代入上述公式即可得到需要的估計(jì)值。 當(dāng)某個(gè)類別下某個(gè)特征項(xiàng)劃分沒有出現(xiàn)時(shí) ，就 會(huì) 產(chǎn)生這種現(xiàn)象， 這種現(xiàn)象 會(huì)令分類器質(zhì)量大大降低。 貝葉斯定理應(yīng)用 貝葉斯定理用于投資決策分析是在已知相關(guān)項(xiàng)目 B 的資料，而缺乏論證項(xiàng)目 A 的直接資料時(shí)，通過對 B項(xiàng)目的有關(guān)狀態(tài)及發(fā)生概率分析推導(dǎo) A 項(xiàng)目的狀態(tài)及發(fā)生概率。 按貝葉斯定理進(jìn)行投資決策的基本步驟是： （ 1）