改进随机森林算法在人才培养质量评价中的应用
高校毕业生质量直接关系到高校的社会声誉与发展.为了准确的评价高校的毕业生质量,本文基于某高校计算机类毕业生的历史数据,采用一种改进的随机森林算法构建人才培养质量评价模型.在训练分类器之前,利用RF Ranking方法来度量特征重要性并选取75% 的特征进行降维处理,以此改善训练样本的非平衡现象;通过对基分类器的训练,测试各个分类器的性能,依据性能的强弱对单个分类器作加权处理,以此降低性能较差的分类器对结果的影响.实践结果表明,该算法提高了人才培养质量评价的准确率和精确度,可以在高校人才培养方面起到指导作用.
改进随机森林、特征选取、加权、人才培养质量评价
29
山东省重点研发计划 2017GGX10107
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
212-216