基于MATLAB的就業(yè)數(shù)據(jù)的聚類分析

鄒全+常程威+賈月月

摘 要： 根據(jù)2010年到2013年我院校大學(xué)生就業(yè)情況，對(duì)大學(xué)生的就業(yè)數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)分析有很多方法，本文主要采用譜系聚類、K均值聚類、模糊C均值聚類三種聚類方法，并得出了結(jié)論。

關(guān)鍵詞： MATLAB 聚類分析 就業(yè)數(shù)據(jù)

隨著中國(guó)高校教育的發(fā)展，大學(xué)生人數(shù)急劇增加，就業(yè)問題日益突出，大學(xué)生就業(yè)難的問題已成為社會(huì)熱點(diǎn)、難點(diǎn)。根據(jù)2010年到2013年近四年我院校大學(xué)生就業(yè)情況，對(duì)大學(xué)生的就業(yè)數(shù)據(jù)進(jìn)行聚類分析。根據(jù)就業(yè)數(shù)據(jù)可以對(duì)學(xué)生選擇就讀的專業(yè)及學(xué)校本科辦學(xué)提供一定的參考價(jià)值。

聚類分析是多元統(tǒng)計(jì)分析的一種，也是非監(jiān)督模式識(shí)別的重要分支，在模式分類、圖像處理和模糊規(guī)則處理等眾多領(lǐng)域獲得最廣泛應(yīng)用。它把一個(gè)沒有類別標(biāo)記的樣本集按某種準(zhǔn)則劃分為若干個(gè)子集（類），使相似樣本盡可能歸為一類，而將不相似樣本盡量劃分到不同類中。

收集和整理2010年到2013年這四年我院校的就業(yè)數(shù)據(jù)，對(duì)就業(yè)數(shù)據(jù)中的就業(yè)率、考研升學(xué)率和男女生首次平均月收入進(jìn)行MATLAB編程，得出散點(diǎn)圖，并進(jìn)行分析。對(duì)就業(yè)數(shù)據(jù)中畢業(yè)生的就業(yè)流向分別采用譜系聚類、K均值聚類和模糊C均值聚類三種聚類分析方法進(jìn)行分析。如表1。

1.譜系聚類算法的步驟

譜系聚類首先將每個(gè)樣品看成一類，然后把最相似的樣品聚為一小類，再將已聚類的小類按各類之間的相似性進(jìn)行再聚類，隨著相似度減弱，最后將一切子類都聚為一大類，從而得到一個(gè)按相似度大小聚集起來的譜系圖[1]。

利用譜系聚類算法對(duì)表1的就業(yè)流向數(shù)據(jù)進(jìn)行聚類分析。將數(shù)據(jù)分成3類，從程序輸出的結(jié)果得出結(jié)論，共可分成3類，常州單獨(dú)為一類，南京、蘇州、無錫為一類，剩下的鎮(zhèn)江、揚(yáng)州、南通之類的歸為一類。也就是說，很多外地畢業(yè)生就在常州發(fā)展，很大一部分畢業(yè)生去南京、蘇州、無錫工作，還有一小部分畢業(yè)生去了鎮(zhèn)江、揚(yáng)州、南通，還有省外等地。

2.K均值聚類算法的步驟

譜系聚類法是先將每一個(gè)樣品看成一類，通過比較距離的大小逐步擴(kuò)充類，因此，對(duì)于給定的數(shù)據(jù)，譜系聚類一定能將樣品合并成為一類，分類結(jié)果唯一，但譜系聚類有一個(gè)缺點(diǎn)，就是樣品一旦被分到某一類中就不能改變了，且當(dāng)樣品容量較大時(shí)，計(jì)算量相應(yīng)變大。克服這一缺點(diǎn)的辦法就是K均值聚類法，又稱之為快速聚類法或動(dòng)態(tài)聚類法。

利用K均值聚類算法對(duì)表1的就業(yè)流向數(shù)據(jù)進(jìn)行聚類分析。

從圖1可知，將地區(qū)分成3類?！鯙橐活?，分別表示常州、蘇州、南京、無錫；一類，分別表示省外、鎮(zhèn)江、揚(yáng)州；○為一類，表示剩下的幾個(gè)地區(qū)，如鹽城、南通、泰州、宿遷等。換句話說，大部分畢業(yè)生選擇在蘇南地區(qū)工作，一部分畢業(yè)生選擇去省外，如上海和鎮(zhèn)江、揚(yáng)州工作，只有少數(shù)一部分人選擇去淮安、宿遷、鹽城等地工作。

3.模糊C均值聚類算法的步驟

模糊聚類得到了樣本屬于各個(gè)類別的不確定性程度，表達(dá)了樣本類屬的中介性，即建立起了樣本對(duì)類別的不確定性描述，能更客觀地反映現(xiàn)實(shí)世界，從而成為聚類分析研究的主流[2]。

采用模糊C均值聚類算法對(duì)表1的就業(yè)流向數(shù)據(jù)進(jìn)行分析。從輸出聚類的結(jié)果來看，常州、南京、蘇州、無錫這四個(gè)城市為一類，表示很大一部分畢業(yè)生愿意在這幾個(gè)城市發(fā)展；鎮(zhèn)江、揚(yáng)州、省外三地為一類，表示有一部分畢業(yè)生選擇在這些地方發(fā)展；剩下的如南通、鹽城、泰州等七個(gè)城市為一類，說明少部分人愿意去這些城市工作發(fā)展。

4.三種聚類算法對(duì)就業(yè)流向的分析結(jié)論

從三種聚類算法的結(jié)果可以看出，譜系聚類算法與K均值聚類算法和模糊C均值聚類兩種算法的聚類結(jié)果不同。通過比較可以看出，譜系聚類算法的結(jié)論不是很理想。K均值聚類算法得出的散點(diǎn)圖更直觀地表現(xiàn)了數(shù)據(jù)的聚類，所以K均值聚類算法更好一些。

通過對(duì)就業(yè)流向的聚類分析，可以看出極大一部分畢業(yè)生選擇在江蘇經(jīng)濟(jì)發(fā)達(dá)地區(qū)工作，如蘇州、南京、無錫、常州這些城市，其中由于我院校在常州，因此很大一部分畢業(yè)生愿意留在這個(gè)生活了四年的地方工作。畢竟在大城市的選擇和發(fā)展機(jī)會(huì)都比較多。還有一部分畢業(yè)生選擇在鎮(zhèn)江、揚(yáng)州和省外如上海等地工作。只有少數(shù)一部分人愿意去如泰州、鹽城、宿遷等地工作。

參考文獻(xiàn)：

[1]吳志遠(yuǎn)，王遠(yuǎn)干.大學(xué)生身體數(shù)據(jù)的FCM算法聚類及MATLAB實(shí)現(xiàn)[J].科技通報(bào)，2013.

[2]周紅進(jìn)，王秀森.基于MATLAB的海量數(shù)據(jù)處理方法[J].計(jì)算機(jī)與數(shù)字工程，2012.