基于邏輯回歸分類算法的大學(xué)生就業(yè)去向模型研究

譚英，王闖

（江漢大學(xué)生命科學(xué)學(xué)院，湖北武漢 430056）

隨著每年應(yīng)屆大學(xué)畢業(yè)生數(shù)量的增長(zhǎng)，又適逢我國(guó)經(jīng)濟(jì)發(fā)展的轉(zhuǎn)型時(shí)期，對(duì)大學(xué)生就業(yè)指導(dǎo)工作的要求也逐年增高[1]。2022 屆高校畢業(yè)生規(guī)模達(dá)1 076 萬(wàn)人,同比增加167 萬(wàn),規(guī)模和增量均創(chuàng)歷史新高[2]，迫切需要對(duì)大學(xué)生的就業(yè)選擇進(jìn)行科學(xué)有效的引導(dǎo)。

高校畢業(yè)生存在職業(yè)生涯決策困難、就業(yè)意向的實(shí)現(xiàn)率較低等問(wèn)題[3]，傳統(tǒng)的大學(xué)生幫扶主要采取談心談話的方式，具有一定程度的主觀性。2021 屆全國(guó)普通高校畢業(yè)生就業(yè)創(chuàng)業(yè)工作網(wǎng)絡(luò)視頻會(huì)議提出，要更好地發(fā)揮就業(yè)反饋?zhàn)饔?，力促質(zhì)量提升[4]。對(duì)已經(jīng)畢業(yè)的大學(xué)畢業(yè)生信息進(jìn)行深入分析，挖掘掩藏在數(shù)據(jù)背后的特征和規(guī)律，將有助于準(zhǔn)確發(fā)現(xiàn)影響大學(xué)生就業(yè)去向的主要因素。對(duì)畢業(yè)大學(xué)生進(jìn)行信息分析首先依賴于大學(xué)生基礎(chǔ)數(shù)據(jù)的把握，然而大學(xué)生的各類信息是復(fù)雜、多維度的，需要整合多方面的資源并采用可靠的技術(shù)方法。

近年來(lái)，人工智能技術(shù)取得了突飛猛進(jìn)的發(fā)展，其中機(jī)器學(xué)習(xí)理論和方法已被廣泛應(yīng)用于解決工程應(yīng)用和科學(xué)領(lǐng)域的復(fù)雜問(wèn)題。機(jī)器學(xué)習(xí)包括無(wú)監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等類型。由于畢業(yè)生的就業(yè)去向大多數(shù)是確定的，可以采用監(jiān)督學(xué)習(xí)的方法構(gòu)建學(xué)生就業(yè)去向的模型，為來(lái)年畢業(yè)生就業(yè)去向的選擇提供參考。綜上，應(yīng)用機(jī)器學(xué)習(xí)理論可以作為大學(xué)生就業(yè)指導(dǎo)工作的新方法，它可以預(yù)測(cè)學(xué)生選擇某種就業(yè)去向的成功率，幫助學(xué)生縮短就業(yè)迷茫期，減少慢就業(yè)學(xué)生比例。

1 研究綜述

監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)中最常用也是最成功的機(jī)器學(xué)習(xí)類型之一，解決的問(wèn)題主要有兩種，分別叫作分類與回歸，對(duì)大學(xué)生就業(yè)選擇的模型構(gòu)建屬于分類問(wèn)題。監(jiān)督學(xué)習(xí)算法包括K 鄰近、線性模型、樸素貝葉斯分類器、決策樹(shù)、決策樹(shù)集成等。K 臨近是一種簡(jiǎn)單的機(jī)器學(xué)習(xí)算法，但是預(yù)測(cè)速度慢且不能處理具有很多特征的數(shù)據(jù)集，因此在實(shí)踐中往往不會(huì)用到。決策樹(shù)易出現(xiàn)過(guò)擬合、泛化性能很差的情況，在實(shí)際的使用過(guò)程中，大多數(shù)會(huì)采取決策樹(shù)集成的方法。

線性模型是在實(shí)踐中廣泛使用的一類模型，幾十年來(lái)被廣泛研究，它既可以應(yīng)用于回歸問(wèn)題，也可以用于分類問(wèn)題，最常見(jiàn)的兩種線性分類算法是Logistic回歸（logistic regression）和線性支持向量機(jī)（linear support vector machine，線性SVM），線性模型的訓(xùn)練速度非常快，預(yù)測(cè)速度也很快。這種模型可以推廣到非常大的數(shù)據(jù)集，對(duì)稀疏數(shù)據(jù)也很有效。

樸素貝葉斯分類器是與線性模型非常相似的一種分類器，它通過(guò)單獨(dú)查看每個(gè)特征來(lái)學(xué)習(xí)參數(shù)，并從每個(gè)特征中收集簡(jiǎn)單的類別統(tǒng)計(jì)數(shù)據(jù)，它的訓(xùn)練速度往往更快，但泛化能力要比線性分類器稍差。

隨機(jī)森林是解決決策樹(shù)過(guò)擬合問(wèn)題的一種方法，它本質(zhì)上是許多決策樹(shù)的集合，其中每棵樹(shù)都和其他樹(shù)略有不同，可以對(duì)每棵樹(shù)的結(jié)果取平均值來(lái)降低過(guò)擬合，但對(duì)于維度非常高的稀疏數(shù)據(jù)，隨機(jī)森林的表現(xiàn)往往不是很好[5]。

1.1 國(guó)外研究現(xiàn)狀

國(guó)外對(duì)于大學(xué)生就業(yè)選擇方面的研究文獻(xiàn)較少，在方法上以回歸分析為主。STONER,J.C.通過(guò)對(duì)四年制中西部研究機(jī)構(gòu)的住院助理進(jìn)行調(diào)查，利用定性數(shù)據(jù)分析方法評(píng)估了研究變量（情緒衰竭、自我感喪失、個(gè)人成就感）在不同性別、工作年限、是否繼續(xù)雇傭中群體之間的差異，并探討了它們之間的關(guān)系[6]。Peter A Bamberger 等人研究了學(xué)生飲酒行為對(duì)就業(yè)的影響，采用邏輯回歸分析方法，假設(shè)正常數(shù)量和頻率的飲酒，以及酗酒（HED）對(duì)畢業(yè)后的就業(yè)概率產(chǎn)生不利影響，收集了來(lái)自美國(guó)4 所不同地理位置大學(xué)的827 名畢業(yè)生的數(shù)據(jù)，發(fā)現(xiàn)正常飲酒對(duì)畢業(yè)后就業(yè)的可能性沒(méi)有負(fù)面影響，但酗酒對(duì)求職有顯著的負(fù)面影響[7]。Dernat等人報(bào)告了一項(xiàng)關(guān)于農(nóng)村獸醫(yī)學(xué)生在教育過(guò)程中職業(yè)選擇的研究結(jié)果。根據(jù)社會(huì)表象理論，研究了學(xué)生在課程中構(gòu)建的代表性項(xiàng)目是如何受到其生涯的社會(huì)空間因素（包括童年和工作地點(diǎn)）的影響[8]。Arranz N 等人以安達(dá)盧西亞大學(xué)1 053 名本科生為樣本，研究大學(xué)生的創(chuàng)業(yè)意向以及大學(xué)生在創(chuàng)業(yè)過(guò)程中所感受到的障礙。該研究采用回歸分析的方法，發(fā)現(xiàn)經(jīng)濟(jì)障礙、缺乏經(jīng)驗(yàn)和培訓(xùn)是學(xué)生創(chuàng)業(yè)的主要障礙[9]。

Mohammed 研究影響學(xué)生就業(yè)選擇的不同就業(yè)因素的相對(duì)重要性，探討了影響就業(yè)選擇的因素。這項(xiàng)研究是在大學(xué)的會(huì)計(jì)專業(yè)本科生中進(jìn)行的，采用主成分分析法，發(fā)現(xiàn)起薪、獨(dú)立工作能力和未來(lái)前景是影響大學(xué)生就業(yè)選擇的最主要變量[10]，該方法是機(jī)器學(xué)習(xí)中無(wú)監(jiān)督學(xué)習(xí)的經(jīng)典方法。

1.2 國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)對(duì)大學(xué)生就業(yè)去向的研究主要包括兩個(gè)方面的內(nèi)容，一是大學(xué)生就業(yè)意愿的研究，一是實(shí)際的大學(xué)生就業(yè)去向數(shù)據(jù)。在方法的使用上，對(duì)于就業(yè)意愿的研究多以傳統(tǒng)的回歸分析方法為主，周駿宇用二分變量邏輯回歸的方式對(duì)影響大學(xué)生是否愿意“先就業(yè)后擇業(yè)”的因素進(jìn)行了分析[11]，朱生玉、周曉蕾基于我國(guó)中西部地區(qū)10 個(gè)省份的數(shù)據(jù),并運(yùn)用回歸分析方法，對(duì)影響我國(guó)大學(xué)生就業(yè)期望的因素進(jìn)行分析[12]，在指標(biāo)的選擇上二者都包括了個(gè)體、家庭背景和學(xué)科背景。

機(jī)器學(xué)習(xí)理論被更多地運(yùn)用于實(shí)際的大學(xué)生就業(yè)去向的模型構(gòu)建中，劉哲、趙志剛利用決策樹(shù)，對(duì)遼寧省內(nèi)部分高校的畢業(yè)生信息進(jìn)行了分析，通過(guò)分類規(guī)則尋找影響畢業(yè)生就業(yè)單位性質(zhì)的主要因素，在指標(biāo)的選擇上考慮了學(xué)生成績(jī)和學(xué)生基礎(chǔ)信息，但未考慮學(xué)生個(gè)人興趣等指標(biāo)[13]。李冬梅、路春艷、張雅惠以哈爾濱商業(yè)大學(xué)經(jīng)濟(jì)學(xué)院2017 級(jí)畢業(yè)生信息為基礎(chǔ),根據(jù)其數(shù)據(jù)特征模擬數(shù)據(jù)庫(kù)，分析非學(xué)生的實(shí)際就業(yè)信息，準(zhǔn)確率達(dá)到62.3%[14]。夏朋斌基于校園大數(shù)據(jù)(如:一卡通信息、成績(jī)信息、就業(yè)信息等),對(duì)學(xué)生在校行為進(jìn)行分析和計(jì)算,最后利用隨機(jī)森林算法建立大學(xué)生就業(yè)預(yù)測(cè)模型，構(gòu)建的預(yù)測(cè)模型準(zhǔn)確率達(dá)70.8%[15]。李路瑤以層次聚類策略為技術(shù)支撐,架構(gòu)出一種就業(yè)去向短期預(yù)測(cè)系統(tǒng)，該方法是無(wú)監(jiān)督學(xué)習(xí)的經(jīng)典方法[16]。孫怡帆等使用機(jī)器學(xué)習(xí)領(lǐng)域的Lasso-logistic 算法,構(gòu)建了精準(zhǔn)度高達(dá)70%以上的畢業(yè)生去向的預(yù)測(cè)模型[17]。

2 數(shù)據(jù)的來(lái)源與處理

2.1 數(shù)據(jù)的來(lái)源

本研究選擇了來(lái)自武漢某省屬高校某學(xué)院2014-2017 級(jí)（即2018-2021 屆畢業(yè)生）的相關(guān)數(shù)據(jù)，數(shù)據(jù)來(lái)源于學(xué)院學(xué)生工作辦公室、學(xué)校教務(wù)系統(tǒng)、學(xué)校就業(yè)管理系統(tǒng)和問(wèn)卷調(diào)查。由圖1可以看出2018年-2021年，學(xué)院大學(xué)畢業(yè)生人數(shù)呈逐年上漲趨勢(shì)，大學(xué)生的主要就業(yè)去向仍然是升學(xué)或者就業(yè)。不同年份中的大學(xué)生去向有細(xì)微的變化，反映在2018年、2019年有少部分學(xué)生畢業(yè)選擇創(chuàng)業(yè)而近兩年選擇創(chuàng)業(yè)學(xué)生減少，與之相反，近兩年選擇自由職業(yè)的學(xué)生增多，由于非升學(xué)和協(xié)議就業(yè)的學(xué)生人數(shù)較少，很難進(jìn)行統(tǒng)計(jì)分析，所以不在本研究范圍內(nèi)，僅選取協(xié)議就業(yè)和升學(xué)作為研究對(duì)象。由于很難對(duì)已經(jīng)畢業(yè)的學(xué)生做問(wèn)卷調(diào)查，本研究選取2021 屆畢業(yè)學(xué)生進(jìn)行研究分析。

圖1 從2018-2021 屆畢業(yè)生就業(yè)去向柱形圖，不同顏色代表不同就業(yè)去向人數(shù)

2.2 分類指標(biāo)的選取和數(shù)據(jù)處理

大學(xué)生的就業(yè)去向受性別、家庭經(jīng)濟(jì)背景、學(xué)科背景、城鄉(xiāng)背景等多種因素影響[12]，也有學(xué)者從個(gè)體屬性特征、家庭環(huán)境、學(xué)習(xí)背景和學(xué)生人力資本因素四方面來(lái)考查大學(xué)生就業(yè)期望的內(nèi)在影響關(guān)系[18]，本研究在已有的研究成果上，從個(gè)體屬性、家庭環(huán)境、學(xué)習(xí)背景、在校表現(xiàn)這四個(gè)方面選取了10 個(gè)指標(biāo)，構(gòu)建了學(xué)生就業(yè)去向模型構(gòu)建的指標(biāo)體系（見(jiàn)表1），其中6 個(gè)指標(biāo)為定性指標(biāo)，4 個(gè)指標(biāo)為定量指標(biāo)。

表1 學(xué)生就業(yè)去向模型構(gòu)建指標(biāo)

根據(jù)學(xué)生工作辦公室已有的數(shù)據(jù)和問(wèn)卷調(diào)查數(shù)據(jù)，確定定性指標(biāo)的分類，其中性格的測(cè)定采用霍蘭德職業(yè)性格測(cè)試的方法，選用北森生涯職業(yè)測(cè)評(píng)問(wèn)卷，根據(jù)性格測(cè)試分?jǐn)?shù)，將學(xué)生的主要性格分為研究型（I）、藝術(shù)型（A）、社會(huì)型（S）、企業(yè)型（E）、傳統(tǒng)型（C）、現(xiàn)實(shí)型（R）六個(gè)維度（表2）。

表2 定性指標(biāo)分類

學(xué)生的助學(xué)金等級(jí)、平均學(xué)分績(jī)點(diǎn)、獲得社會(huì)獎(jiǎng)勵(lì)和綜合獎(jiǎng)勵(lì)為定量指標(biāo)，其中畢業(yè)后的平均學(xué)分績(jī)點(diǎn)經(jīng)過(guò)教務(wù)系統(tǒng)查詢獲得，其余的指標(biāo)計(jì)算方式按照學(xué)生大學(xué)四年獲得相應(yīng)獎(jiǎng)勵(lì)或者助學(xué)金等級(jí)進(jìn)行計(jì)算。在對(duì)各項(xiàng)綜合獎(jiǎng)勵(lì)和社會(huì)實(shí)踐獎(jiǎng)勵(lì)的賦值中，對(duì)學(xué)生在校期間的獲獎(jiǎng)難度進(jìn)行賦值，后進(jìn)行累加。對(duì)助學(xué)金等級(jí)的賦值中，對(duì)不同等級(jí)的助學(xué)金進(jìn)行不同分?jǐn)?shù)賦值，然后將各年度的助學(xué)金分?jǐn)?shù)取平均數(shù)。通過(guò)以上方式，在一定程度上能夠更加科學(xué)地衡量學(xué)生的定量指標(biāo)（見(jiàn)表3）。

表3 定量指標(biāo)計(jì)算方法

在指標(biāo)的選擇過(guò)程中，有一個(gè)需要注意的問(wèn)題是各指標(biāo)不應(yīng)有顯著相關(guān)性，為了避免上述問(wèn)題，將學(xué)生獲得綜合獎(jiǎng)勵(lì)和平均學(xué)分績(jī)點(diǎn)進(jìn)行了相關(guān)性分析，通過(guò)Pearson 相關(guān)性分析得知，學(xué)生獲得綜合獎(jiǎng)勵(lì)和平均學(xué)分績(jī)點(diǎn)的相關(guān)系數(shù)為0.40，屬于弱相關(guān)，這是由于本校在獎(jiǎng)學(xué)金評(píng)定時(shí)按照綜合測(cè)評(píng)成績(jī)進(jìn)行評(píng)定，學(xué)習(xí)成績(jī)占綜合測(cè)評(píng)成績(jī)的70%，且體測(cè)成績(jī)不達(dá)標(biāo)的學(xué)生無(wú)法獲得高等級(jí)的獎(jiǎng)學(xué)金或者無(wú)法獲得獎(jiǎng)學(xué)金，故學(xué)生的平均學(xué)分績(jī)和獲得綜合獎(jiǎng)勵(lì)可以同時(shí)作為分類指標(biāo)。

2.3 各項(xiàng)指標(biāo)的單因素分析結(jié)果

為了初步了解各單個(gè)因素對(duì)學(xué)生就業(yè)選擇的影響，分別對(duì)各分類指標(biāo)和定量指標(biāo)進(jìn)行了卡方檢驗(yàn)和T 檢驗(yàn)。對(duì)各項(xiàng)分類指標(biāo)進(jìn)行的卡方檢驗(yàn)顯示，不同性格類別和學(xué)生是否入黨對(duì)學(xué)生最終是否考研有較大的相關(guān)性（見(jiàn)表4），入黨的學(xué)生和研究型性格的學(xué)生更傾向于考研。

表4 不同定性指標(biāo)對(duì)于大學(xué)生就業(yè)選擇影響的卡方檢驗(yàn)結(jié)果

通過(guò)對(duì)各個(gè)定量指標(biāo)的T 檢驗(yàn)可以看到，學(xué)生獲得綜合獎(jiǎng)勵(lì)和平均學(xué)分績(jī)點(diǎn)對(duì)于學(xué)生進(jìn)一步深造有著非常重要的影響，而學(xué)生是否在社會(huì)實(shí)踐活動(dòng)中獲得獎(jiǎng)勵(lì)則對(duì)就業(yè)去向沒(méi)有影響（見(jiàn)表5）。

表5 不同定量指標(biāo)對(duì)于大學(xué)生就業(yè)去向影響的學(xué)生T 檢驗(yàn)結(jié)果

為了更加直觀地觀察各定量指標(biāo)對(duì)學(xué)生就業(yè)選擇的影響，本研究繪制了箱線圖，平均學(xué)分績(jī)點(diǎn)高、獲得綜合獎(jiǎng)勵(lì)多的學(xué)生更多地考取了研究生（見(jiàn)圖2），值得注意的是家庭困難情況在統(tǒng)計(jì)上雖然對(duì)學(xué)生沒(méi)有顯著的影響，但是在實(shí)際的工作中仍然能夠看到家庭困難情況對(duì)學(xué)生有一定程度的影響。

圖2 不同定量指標(biāo)下的就業(yè)去向箱線圖：a)基于平均學(xué)分績(jī)點(diǎn)，b)基于綜合獎(jiǎng)勵(lì)，c) 基于助學(xué)金等級(jí)，d) 基于社會(huì)實(shí)踐獎(jiǎng)勵(lì)

通過(guò)對(duì)四個(gè)定量指標(biāo)做熱力圖并聚類，可以看到不同就業(yè)去向的學(xué)生的家庭困難情況、獲得綜合獎(jiǎng)勵(lì)、獲得社會(huì)實(shí)踐獎(jiǎng)勵(lì)和平均學(xué)分績(jī)點(diǎn)情況（見(jiàn)圖3）。通過(guò)圖3可以看到，2021年選擇協(xié)議就業(yè)的學(xué)生中獲得綜合獎(jiǎng)勵(lì)的學(xué)生有一半獲得過(guò)助學(xué)金，而往年家庭困難的學(xué)生的升學(xué)率比非困難的學(xué)生升學(xué)率更高，這在一定程度上說(shuō)明了家庭困難情況對(duì)學(xué)生就業(yè)選擇的影響是隨時(shí)間變化的。因此，本研究認(rèn)為，對(duì)學(xué)生就業(yè)去向的建模應(yīng)該基于同一年度的數(shù)據(jù)，而不應(yīng)該橫跨多個(gè)年份。

圖3 不同年度基于不同就業(yè)去向的定量指標(biāo)熱力圖：a)2021，b)2020年，c) 2019年

3 模型的構(gòu)建

3.1 邏輯回歸(Logistic Regression)和線性支持向量機(jī)（SVM）模型

本研究調(diào)用Python 語(yǔ)言的scikit-learn 項(xiàng)目完成，Logistic 回歸在linear_model.LogisticRegression 中實(shí)現(xiàn)，線性支持向量機(jī)在 svm.LinearSVC（SVC 代表支持向量分類器）中實(shí)現(xiàn)。

3.2 隨機(jī)森林(Random Forest)和樸素貝葉斯 (Naive Bayes) 模型

隨機(jī)森林是機(jī)器學(xué)習(xí)算法的經(jīng)典代表，采用RandomForestClassifier,首先對(duì)數(shù)據(jù)進(jìn)行自助采集，然后選擇特征個(gè)數(shù)，確保隨機(jī)森林的每棵樹(shù)不同。

scikit-learn 中實(shí)現(xiàn)了三種樸素貝葉斯分類器：GaussianNB、BernoulliNB 和MultinomialNB，本研究采用GaussianNB 進(jìn)行。

4 模型的評(píng)價(jià)、對(duì)比和檢驗(yàn)

4.1 模型的評(píng)價(jià)

本研究采取了邏輯回歸(Logistic Regression)分類算法對(duì)大學(xué)生的就業(yè)去向進(jìn)行了識(shí)別，將樣本分為10組，其中9 組作為訓(xùn)練集，構(gòu)建大學(xué)生就業(yè)去向識(shí)別模型，剩余一組作為測(cè)試集，運(yùn)用混淆矩陣方法測(cè)試所構(gòu)建模型的精準(zhǔn)度和誤差率，通過(guò)計(jì)算得知，在對(duì)125 個(gè)畢業(yè)生的就業(yè)去向識(shí)別過(guò)程中，有4 個(gè)學(xué)生預(yù)測(cè)為升學(xué)但實(shí)際選擇了就業(yè)，還有15 名學(xué)生預(yù)測(cè)為就業(yè)但實(shí)際上選擇了升學(xué)（見(jiàn)表6）。

表6 邏輯回歸(Logistic Regression)混淆矩陣

4.2 模型的對(duì)比

為了對(duì)邏輯回歸（Logistic Regression）構(gòu)建的模型進(jìn)行橫向?qū)Ρ?，本研究還采取了線性支持向量機(jī)（SVM）、隨機(jī)森林(Random Forest)和樸素貝葉斯 (Naive Bayes)這三種分類算法，對(duì)大學(xué)生的就業(yè)去向進(jìn)行了識(shí)別，并應(yīng)用以下指標(biāo)對(duì)各個(gè)模型進(jìn)行評(píng)價(jià)。

AUC：Area Under the Curve，ROC 曲線（受試者工作特征曲線）與橫坐標(biāo)之間的面積。

準(zhǔn)確率（accuracy）：正確預(yù)測(cè)的正反例數(shù)/總數(shù)（分母為定數(shù)）。

精確率（precision）：也稱查準(zhǔn)率，正確預(yù)測(cè)的正例數(shù)/預(yù)測(cè)正例總數(shù)。

召回率（recall）：也稱查全率，正確預(yù)測(cè)的正例數(shù) /實(shí)際正例總數(shù)（分母為定數(shù)）。

F_1 值（F_1 score）：是精確率與召回率的調(diào)和平均值。

通過(guò)分析，邏輯回歸(Logistic Regression)分類算法較其他三種算法有較好的表現(xiàn)，精準(zhǔn)率和召回率均在85%以上，表明基于邏輯回歸分類算法的模型具有更好的分類效果（見(jiàn)表7）。

表7 各個(gè)模型識(shí)別效果評(píng)價(jià)

4.3 邏輯回歸(Logistic Regression)模型的合理性檢驗(yàn)

從均勻分布的角度來(lái)看，AUC 的一致性作為聚合分類效果的衡量辦法是被證實(shí)的，因此就四種模型AUC 的一致性進(jìn)行了計(jì)算（見(jiàn)表8），表8顯示了行中模型的得分高于列中模型得分的概率，較小的數(shù)字表示差異可以忽略不計(jì)的可能性。通過(guò)計(jì)算可以看到，采用邏輯回歸(Logistic Regression)和線性支持向量機(jī)（SVM）的方法預(yù)測(cè)的結(jié)果具有較高的相似性，達(dá)到了82.8%，也進(jìn)一步證實(shí)可以優(yōu)先選擇邏輯回歸分類算法(Logistic Regression)構(gòu)建大學(xué)生就業(yè)選擇的模型。

表8 各個(gè)模型的AUC 一致性比較

5 討論

5.1 整合多方面資源，構(gòu)建就業(yè)去向評(píng)估體系

對(duì)大學(xué)畢業(yè)生就業(yè)去向的模型構(gòu)建依賴對(duì)學(xué)生大學(xué)四年詳細(xì)的數(shù)據(jù)，目前很多高校雖然已經(jīng)建立了學(xué)生信息化管理平臺(tái)，但在具體的使用過(guò)程中，各管理部門(mén)與學(xué)院之間未能實(shí)現(xiàn)數(shù)據(jù)共享，導(dǎo)致院系工作層面缺乏統(tǒng)一的工作平臺(tái)[19]。與此同時(shí)，高校也缺乏對(duì)大學(xué)生數(shù)據(jù)的深入分析，很多隱藏的高價(jià)值信息未能得到發(fā)掘與利用，少數(shù)研究者采用較為簡(jiǎn)單的規(guī)則運(yùn)算或者較少的指標(biāo)進(jìn)行了分析[15,20]，總體而言，目前高校對(duì)于大學(xué)生數(shù)據(jù)的利用率不理想。

本研究整合了學(xué)校、學(xué)院各個(gè)平臺(tái)的學(xué)生數(shù)據(jù)，并結(jié)合問(wèn)卷調(diào)查對(duì)學(xué)生職業(yè)性格進(jìn)行了調(diào)查，但是由于條件的限制，對(duì)學(xué)生各方面的數(shù)據(jù)還掌握得不夠全面，如在學(xué)生個(gè)人屬性中沒(méi)有考慮價(jià)值觀和興趣，在家庭背景中沒(méi)有考慮城鄉(xiāng)差異，在學(xué)生在校表現(xiàn)中主要依賴獲獎(jiǎng)情況，缺乏對(duì)學(xué)生在校行為的分析和計(jì)算，也沒(méi)有對(duì)學(xué)生受處分情況予以考慮。

5.2 線性模型對(duì)大學(xué)生就業(yè)去向有更好的預(yù)測(cè)能力

本研究通過(guò)和另外幾個(gè)機(jī)器學(xué)習(xí)算法的比較，發(fā)現(xiàn)邏輯回歸分類算法(Logistic Regression)和線性支持向量機(jī)（SVM）相較其他的分類算法準(zhǔn)確度更高，可靠性也較強(qiáng)，且二者預(yù)測(cè)的一致性也較高。究其原因，可能是因?yàn)檫@兩個(gè)算法均屬于線性模型，線性模型更加適合于變量和結(jié)果之間可能存在線性關(guān)系的情況。通過(guò)查閱文獻(xiàn)發(fā)現(xiàn)，在對(duì)腫瘤的判斷、就業(yè)去向預(yù)測(cè)等領(lǐng)域中，線性模型相比隨機(jī)森林更具優(yōu)勢(shì)[17,21]。

比較邏輯回歸分類算法(Logistic Regression)和線性支持向量機(jī)（SVM），從目標(biāo)函數(shù)來(lái)看，區(qū)別在于邏輯回歸采用的是logistical loss，SVM 采用的是hinge loss。這兩個(gè)損失函數(shù)的目的都是增加對(duì)分類影響較大的數(shù)據(jù)點(diǎn)的權(quán)重，減少與分類關(guān)系較小的數(shù)據(jù)點(diǎn)的權(quán)重。在本研究中，由于特征變量相對(duì)于樣本量來(lái)說(shuō)比較大，采用邏輯回歸，相較于線性支持向量更具有優(yōu)勢(shì)[22]。

5.3 模型僅適用于本學(xué)院的就業(yè)去向預(yù)測(cè)

由于影響大學(xué)生就業(yè)去向的因素非常復(fù)雜，模型是否合理，將直接影響給予的擇業(yè)建議的準(zhǔn)確性。本研究的數(shù)據(jù)是根據(jù)本學(xué)院大學(xué)生的數(shù)據(jù)分解生成的，適用于本學(xué)院近1-2年學(xué)生就業(yè)去向的預(yù)測(cè)。由于不同學(xué)校層次、專業(yè)、地理位置的差異，本模型不適用于其他學(xué)?；蛘邔W(xué)院學(xué)生就業(yè)去向的預(yù)測(cè)，但其他高校在模型構(gòu)建的方法上可以采用邏輯回歸分類等線性模型。

在實(shí)際的就業(yè)指導(dǎo)工作中，教師應(yīng)在深入了解大學(xué)生實(shí)際情況的基礎(chǔ)上進(jìn)行就業(yè)指導(dǎo)。另外，畢業(yè)生的就業(yè)選擇是一個(gè)不斷變化的過(guò)程，需要不斷的試錯(cuò)，調(diào)整自己的職業(yè)期望，找到屬于自己的發(fā)展路徑。隨著經(jīng)濟(jì)和社會(huì)的發(fā)展，大學(xué)生就業(yè)選擇將發(fā)生變化，指標(biāo)也會(huì)發(fā)生相應(yīng)改變，分類方法和手段也會(huì)日益豐富，尤其是高校信息技術(shù)的運(yùn)用，可獲得的學(xué)生指標(biāo)將會(huì)更加精細(xì)，分類結(jié)果將會(huì)更加精準(zhǔn)。

6 結(jié)語(yǔ)

本研究構(gòu)建了大學(xué)生就業(yè)去向模型，并將其應(yīng)用于所在學(xué)院的就業(yè)指導(dǎo)工作中，具體結(jié)論如下。

6.1 整合多個(gè)部門(mén)的數(shù)據(jù)是就業(yè)去向模型構(gòu)建的基礎(chǔ)

模型構(gòu)建的基礎(chǔ)是數(shù)據(jù)，在數(shù)據(jù)的采集工作中，需要整合方方面面的學(xué)生數(shù)據(jù)，盡可能地用數(shù)據(jù)對(duì)每一個(gè)大學(xué)畢業(yè)生進(jìn)行翔實(shí)的“畫(huà)像”。本研究中大學(xué)生就業(yè)去向信息數(shù)據(jù)庫(kù)依據(jù)本校招就處、教務(wù)系統(tǒng)、學(xué)生工作辦公室以及問(wèn)卷調(diào)查的數(shù)據(jù)建立。

6.2 確定就業(yè)去向評(píng)估體系是建立就業(yè)去向模型的重要工作

大學(xué)生就業(yè)去向的評(píng)估需要選取合適的參數(shù)，本研究從個(gè)體屬性、家庭環(huán)境、學(xué)習(xí)背景、在校表現(xiàn)四個(gè)方面建立了基于大學(xué)生就業(yè)去向的指標(biāo)體系，實(shí)際的工作中還可以考慮學(xué)生興趣、價(jià)值觀、學(xué)生行為分析等多方面因素。

6.3 邏輯回歸算法具有較好的大學(xué)生就業(yè)去向預(yù)測(cè)能力

本研究采用邏輯回歸（LR）分類算法構(gòu)建了大學(xué)生就業(yè)去向模型，同時(shí)用線性支持向量機(jī)（SVM）、隨機(jī)森林(Random Forest)和樸素貝葉斯 (Naive Bayes)做對(duì)比，驗(yàn)證幾種模型的優(yōu)劣。相比于線性支持向量機(jī)、隨機(jī)森林和樸素貝葉斯，邏輯回歸分類方法具有更高的訓(xùn)練精度，評(píng)價(jià)結(jié)果最為理想，能有效地應(yīng)用于學(xué)生就業(yè)去向模型的建構(gòu)中，為大學(xué)生就業(yè)去向的指導(dǎo)提供技術(shù)參考。