基于CatBoost算法的硕士研究生就业能力预测模型

摘要：

为了预测硕士研究生的就业能力,构建一种基于CatBoost算法的硕士研究生就业能力模型.首先,选取关于硕士研究生在校期间的图书阅读量、专利、技能证书等31项影响因素数据,采用SMOTE过采样方法处理数据集的不平衡问题.其次,通过机器学习方法挖掘学生个人培养数据与就业之间的关系,利用CatBoost算法构建硕士研究生就业预测模型,并使用10倍交叉法降低结果的偶然性.最后,将基于CatBoost算法的预测模型与随机森林、决策树及支持向量机等相关算法进行比较.研究结果表明,该预测模型在召回率、精确率、误判率、Fi值及对硕士研究生的就业能力预测效果方面均优于其他算法.

关键词：就业预测、CatBoost算法、SMOTE过采样、10倍交叉验证

所属期刊栏目：26

分类号：TP18(自动化基础理论)

资助基金：中国学位与研究生教育学会项目2020MSA97

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：89-96