基于隨機(jī)森林算法的就業(yè)預(yù)警機(jī)制研究

牛丹丹 劉筠筠

摘? 要：對河南省民辦高校2015—2020年畢業(yè)學(xué)生的就業(yè)數(shù)據(jù)進(jìn)行了收集，報(bào)告了河南省民辦高校畢業(yè)生就業(yè)現(xiàn)狀。采用隨機(jī)森林算法，對影響就業(yè)的特征進(jìn)行重要性評估，找出影響就業(yè)的主要特征和部分成因。實(shí)驗(yàn)結(jié)果顯示，民辦高校學(xué)生就業(yè)率與自身所學(xué)專業(yè)的熱門程度最相關(guān)，分析影響就業(yè)的主要特征因素，給出了就業(yè)預(yù)警機(jī)制構(gòu)建的相關(guān)對策。為民辦高校畢業(yè)生就業(yè)提供更好的支持策略。

關(guān)鍵詞：隨機(jī)森林;民辦高校;就業(yè)預(yù)警

中圖分類號：TP181? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2021）22-0101-03

Abstract： This paper collects the employment data of graduates of private colleges in Henan Province from 2015 to 2020， and reports the employment status of graduates of private colleges in Henan Province. Using random forest algorithm， the importance of the characteristics affecting employment is evaluated， and the main characteristics and some causes affecting employment are found out. The experimental results show that the employment rate of private college students is most related to the popularity of their majors. The main characteristic factors affecting employment are analyzed， and the relevant countermeasures for the construction of employment early warning mechanism are given. Which provide better support strategies for the employment of private college graduates.

Keywords： random forest; private college; employment early warning

0? 引? 言

截至2021年6月30日，我國高等院校達(dá)到3 005所，普通高等學(xué)校2 740所，其中本科高校1 258所、高職（專科）學(xué)校1 482所;成人高等學(xué)校265所。包含有民辦高校773所。從數(shù)據(jù)上可見民辦高校在我國高校中占有一席之地。但隨著民辦高校的招生規(guī)模的不斷擴(kuò)大，許多問題也逐漸顯露出來：有一部分民辦高校的畢業(yè)生總體就業(yè)率較低;但目前我國所需的較高層次、較高技能和復(fù)合型人才又十分短缺。為了降低民辦高校盲目發(fā)展的風(fēng)險(xiǎn)，避免高校自身發(fā)展與社會對人才需求的脫節(jié)，需要盡快建立和完善民辦高校畢業(yè)生就業(yè)動態(tài)監(jiān)測機(jī)制，根據(jù)當(dāng)前中國社會經(jīng)濟(jì)情況、產(chǎn)業(yè)結(jié)構(gòu)、人才需求等對民辦高校就業(yè)狀態(tài)進(jìn)行動態(tài)監(jiān)測，本課題在此背景上創(chuàng)建，不僅為民辦高校就業(yè)學(xué)生、用人單位提供相關(guān)的參考依據(jù)，而且對于我國政府及時(shí)掌握民辦高校畢業(yè)生就業(yè)的真實(shí)狀況、制定就業(yè)的相關(guān)政策、維護(hù)整個(gè)社會的穩(wěn)定都有較大的意義。

1? 研究現(xiàn)狀

作為當(dāng)前研究的熱點(diǎn)話題，國內(nèi)學(xué)者關(guān)于大學(xué)生就業(yè)、隨機(jī)森林算法、大數(shù)據(jù)和就業(yè)預(yù)警有效銜接研究成果也十分豐富。陳踐，王丹在以就業(yè)為導(dǎo)向的民辦高校專業(yè)調(diào)整預(yù)警機(jī)制研究，在分析畢業(yè)生專業(yè)就業(yè)現(xiàn)狀的基礎(chǔ)上建立民辦高校畢業(yè)生專業(yè)設(shè)置預(yù)警機(jī)制，并給出去運(yùn)行機(jī)制。郭偉在民辦本科高校畢業(yè)生就業(yè)指導(dǎo)教育探析中，針對民辦本科高校學(xué)生畢業(yè)就業(yè)指導(dǎo)工作展開研究，分析當(dāng)前階段民辦本科高校在就業(yè)指導(dǎo)方面存在的問題，總結(jié)相關(guān)工作經(jīng)驗(yàn)，提出對應(yīng)的解決辦法，為同領(lǐng)域工作者提供合理化發(fā)展建議，促進(jìn)我國民辦本科高校畢業(yè)生就業(yè)工作順利發(fā)展。黃建瓊，郭文龍等以有效問卷調(diào)查數(shù)據(jù)作為樣本數(shù)據(jù)，采用隨機(jī)森林建立畢業(yè)生就業(yè)模型，分析學(xué)生的就業(yè)影響因素和就業(yè)方向之間的內(nèi)在映射關(guān)系。通過調(diào)查數(shù)據(jù)表明，隨機(jī)森林算法是可行的。畢瑤家，劉國柱等為了準(zhǔn)確的評價(jià)高校的畢業(yè)生質(zhì)量，本文基于某高校計(jì)算機(jī)類畢業(yè)生的歷史數(shù)據(jù)，采用一種改進(jìn)的隨機(jī)森林算法構(gòu)建人才培養(yǎng)質(zhì)量評價(jià)模型。實(shí)踐結(jié)果表明，該算法提高了人才培養(yǎng)質(zhì)量評價(jià)的準(zhǔn)確率和精確度，可以在高校人才培養(yǎng)方面起到指導(dǎo)作用。

隨機(jī)森林算法是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的組合分類器，將Bootstrap重抽樣方法與決策樹算法相結(jié)合，該算法的本質(zhì)是構(gòu)建一個(gè)樹型分類器的集合，然后使用該集合通過投票進(jìn)行分類和預(yù)測。隨機(jī)森林算法具有抗噪能力強(qiáng)、預(yù)測準(zhǔn)確率高、能處理高維數(shù)據(jù)的特點(diǎn)，現(xiàn)已成為數(shù)據(jù)挖掘領(lǐng)域的常用工具之一。該算法具有較高的精確度，對特征選擇、優(yōu)化參數(shù)等方面具有很大的優(yōu)勢。通過隨機(jī)森林算法進(jìn)行數(shù)據(jù)預(yù)測并預(yù)警，并提出有關(guān)就業(yè)能力提升對策的相關(guān)研究。

2? 研究方法

2.1? 數(shù)據(jù)及預(yù)處理

民辦高校大學(xué)生的就業(yè)并不是某一個(gè)因素決定的，而是多種因素共同影響的。以觀察、訪談、問卷調(diào)查等形式，向河南省內(nèi)民辦高校2015—2020年畢業(yè)的學(xué)生了解就業(yè)創(chuàng)業(yè)學(xué)生的情況，收集相關(guān)數(shù)據(jù)。畢業(yè)生在找工作時(shí)會產(chǎn)生很多數(shù)據(jù)，如學(xué)生所處的社會環(huán)境、畢業(yè)生數(shù)量、職位需求量;性別差異;家庭背景、父母職業(yè)、社會地位、經(jīng)濟(jì)收入、受教育水平;所學(xué)專業(yè)的熱門程度;學(xué)生的課程考試成績、專業(yè)課成績、專業(yè)證書、在校表現(xiàn);學(xué)生的人際交往能力，就業(yè)期間就業(yè)平臺選擇。上述數(shù)據(jù)均需要通過實(shí)際的走訪、調(diào)查研究、實(shí)驗(yàn)對比、數(shù)據(jù)庫建立等進(jìn)行數(shù)據(jù)的收集，建立畢業(yè)生就業(yè)情況問卷調(diào)查系統(tǒng)，使得數(shù)據(jù)采集更有針對性和規(guī)范性。從各個(gè)方面尋找影響大學(xué)生就業(yè)的因素。

2.2? 隨機(jī)森林算法樹模型

隨機(jī)森林算法是一種集成學(xué)習(xí)方法，由多個(gè)小模型構(gòu)建，各個(gè)小模型輸出結(jié)果合成最終的輸出結(jié)果，如圖1所示。是一種典型的機(jī)器學(xué)習(xí)算法，主要應(yīng)用于分類、回歸。此算法是基于Bagging算法，針對每個(gè)分組訓(xùn)練獲得決策樹模型，所有決策數(shù)據(jù)分類結(jié)果的組合分析得到最終分類結(jié)果。

隨機(jī)森林算法用于就業(yè)分析上具有很多優(yōu)點(diǎn)：首先，該算法能夠?qū)⑷醴诸愴?xiàng)通過覆蓋優(yōu)化的方法進(jìn)行綜合，從而使分類系統(tǒng)的整體分析能力得到提升。其次，在生成決策樹的過程中，每一棵決策樹都互相獨(dú)立且同時(shí)生成，大大提高了生成的效率。最后，隨機(jī)選擇的特征在選擇樣本和構(gòu)建決策樹的同時(shí)，使該算法的抗噪能力大大提高。

2.3? 隨機(jī)森林算法在學(xué)生就業(yè)上的應(yīng)用

以河南省民辦院校2015—2020級高校畢業(yè)生的畢業(yè)數(shù)據(jù)為對象進(jìn)行分析，調(diào)查問卷共收回有效卷2 293份。表1統(tǒng)計(jì)了高校畢業(yè)生就業(yè)使用數(shù)據(jù)的屬性及其含義。畢業(yè)生就業(yè)由8個(gè)因素組成：性別、本專業(yè)學(xué)習(xí)水平、所學(xué)專業(yè)熱門程度、家庭背景、人際交往能力、專業(yè)證書水平、就業(yè)平臺選擇、創(chuàng)新創(chuàng)業(yè)能力。

對表1的8種主要因素采用隨機(jī)森林算法將數(shù)據(jù)進(jìn)行重要性評估。其中8種因素作為重要特征，學(xué)生的就業(yè)情況作為分類屬性，使用該算法對分類屬性進(jìn)行特征重要性分析，分析出的結(jié)果如表2所示：表中重要特征的值越大，表示該因素對就業(yè)影響就越大。專業(yè)熱門程度這一因素的特征重要性達(dá)到0.311 6，表明專業(yè)熱門程度對學(xué)生就業(yè)有著最重要的作用，其次是專業(yè)學(xué)習(xí)水平，其特征重要性是0.262 4，再次就是性別，重要特征性是0.133 5。其他5種重要特征對學(xué)生能否順利就業(yè)的指導(dǎo)作用相對較小。

下面對重要特性較高的三個(gè)因素進(jìn)行分析。（1）從圖2中可以看出民辦高校的畢業(yè)生就業(yè)的專業(yè)熱門程度與就業(yè)率總體呈正相關(guān)趨勢，即專業(yè)越熱門，就業(yè)率越高，較冷門的專業(yè)可能成為就業(yè)預(yù)警人員。（機(jī)械工程94.2%，建筑學(xué)92.84%，通信工程91.71%，工商管理90.27%，車輛工程93.6%，物流管理92.00%，臨床醫(yī)學(xué)89.46%，數(shù)學(xué)與應(yīng)用數(shù)學(xué)88.55%，法學(xué)86.49%，計(jì)算機(jī)科學(xué)與技術(shù)91.28%），近年來較熱門的軟件工程，建筑學(xué)，通信工程等工學(xué)的本科畢業(yè)生就業(yè)率是所有門類中最高的，就業(yè)率較高，數(shù)學(xué)與應(yīng)用數(shù)學(xué)、法學(xué)等專業(yè)就業(yè)率較低。（2）從圖3中可以看出專業(yè)學(xué)習(xí)水平越高，其就業(yè)率就越大，專業(yè)水平較低就越成為就業(yè)預(yù)警人員（60分以下69.21%，60～69分79.82%，70～79分89.25%，80～89分96.63%，90分及以上95.33%）。（3）圖4中，男生就業(yè)率92.33%，女生就業(yè)率89.12%，女性畢業(yè)生求職更為不易，求職時(shí)間遠(yuǎn)大于男性。女生懂的生活技能以及獲取知識渠道比男生少，女生更偏向于文科，藝術(shù)類;而男生很多都已經(jīng)具備“文武雙全”職業(yè)素質(zhì)。職場中，男生比女生能做的事情更多，相比之下，錄取男生比較劃算。國家的三孩兒生育政策也直接導(dǎo)致女性就業(yè)率的降低。

3? 就業(yè)預(yù)警機(jī)制構(gòu)建

通過隨機(jī)森林算法對民辦高校影響學(xué)生就業(yè)因素的數(shù)據(jù)進(jìn)行分析，找出了影響學(xué)生就業(yè)的一些主要因素，為了提高民辦高校就業(yè)率，需要建立起就業(yè)預(yù)警機(jī)制，并建立起相關(guān)的預(yù)警對策。

3.1? 專業(yè)的調(diào)整

影響民辦高校學(xué)生就業(yè)的最重要因素是專業(yè)的熱門程度，高校在進(jìn)行專業(yè)設(shè)置的時(shí)候要與市場相結(jié)合，平衡自身規(guī)模、學(xué)校效益、教學(xué)質(zhì)量之間的關(guān)系，合理設(shè)置專業(yè)，根據(jù)市場進(jìn)行動態(tài)調(diào)節(jié)。使學(xué)校的發(fā)展利益與社會需求相結(jié)合，提高學(xué)校的競爭力。

3.2? 學(xué)習(xí)動力的提升

民辦高校在招生時(shí)，同等層次學(xué)生的分?jǐn)?shù)普遍較低，學(xué)習(xí)動力也沒有那么高，所有要激發(fā)學(xué)生的學(xué)習(xí)動力、社會責(zé)任感。學(xué)習(xí)動力的提升有兩點(diǎn)，一個(gè)是內(nèi)驅(qū)動力，一個(gè)是周圍環(huán)境的影響。抓緊學(xué)生入學(xué)教育，幫助學(xué)生做好定位，提高自身驅(qū)動力。發(fā)揮校園文化的德育功能，營造熱愛學(xué)習(xí)的良好氛圍，通過周圍的學(xué)習(xí)環(huán)境帶動新生學(xué)習(xí)。

3.3? 就業(yè)導(dǎo)向

民辦高校更應(yīng)打造較為完善的畢業(yè)生就業(yè)指導(dǎo)體系，針對民辦高校就業(yè)生的特點(diǎn)，設(shè)定較為科學(xué)合理的咨詢計(jì)劃，設(shè)置專業(yè)化程度更高的就業(yè)咨詢室，開設(shè)相應(yīng)的課程為同學(xué)們指導(dǎo)就業(yè)。讓同學(xué)們對自身的競爭力和能力有更深刻的了解，使學(xué)生為就業(yè)做更充分的準(zhǔn)備，在就業(yè)時(shí)具備更從容、更理性、更平衡的心態(tài)，從而為自己就業(yè)奠定更好的自信心。

4? 結(jié)? 論

本文對河南省民辦高校2015—2020年畢業(yè)學(xué)生的就業(yè)數(shù)據(jù)進(jìn)行了收集，采用隨機(jī)森林算法模型，對該數(shù)據(jù)進(jìn)行了重要特性分析，找出了影響民辦高校學(xué)生就業(yè)的一些主要影響因素，針對影響就業(yè)的這些主要因素，提出構(gòu)建民辦高校就業(yè)預(yù)警機(jī)制，為民辦高校畢業(yè)生就業(yè)提出較好的建議措施，從而使民辦高校就業(yè)有更好的支持策略。

參考文獻(xiàn)：

[1] 郭偉.民辦本科高校畢業(yè)生就業(yè)指導(dǎo)教育探析 [J].教育信息化論壇，2021（3）：117-118.

[2] 吳志淵.民辦高校大學(xué)生就業(yè)指導(dǎo)工作的探索與思考 [J].智庫時(shí)代，2020（11）：71-72.

[3] 陳踐，王丹.以就業(yè)為導(dǎo)向的民辦高校專業(yè)調(diào)整預(yù)警機(jī)制研究 [J].中國證券期貨，2011（2）：160.

[4] 張丹鶴.基于大數(shù)據(jù)視角下的民辦本科高校就業(yè)指導(dǎo)課程研究與實(shí)踐 [J].湖北開放職業(yè)學(xué)院學(xué)報(bào)，2020，33（5）：121-122.

[5] 晉浩天.2020屆高校畢業(yè)生將達(dá)874萬人 [N].光明日報(bào)，2019-11-01（8）.

[6] 彭正霞，陸根書，李麗潔.大學(xué)畢業(yè)生就業(yè)質(zhì)量的影響因素及路徑分析 [J].中國高教研究，2020（1）：57-64.

[7] 劉云翔，陳斌，周子宜.一種基于隨機(jī)森林的改進(jìn)特征篩選算法 [J].現(xiàn)代電子技術(shù)，2019，42（12）：117-121.

[8] 莊巧蕙.基于IRFC算法的學(xué)生課程成績預(yù)測的研究與應(yīng)用 [J].信息技術(shù)與信息化，2020（6）：192-194.

[9] 呂莉，夏志紅.基于隨機(jī)森林的大學(xué)生學(xué)業(yè)預(yù)警成因分析及對策 [J].南昌工程學(xué)院學(xué)報(bào)，2020，39（6）：81-86.

[10] 黃建瓊，郭文龍，李秋緣.基于隨機(jī)森林模型的高校畢業(yè)生就業(yè)影響因素研究 [J].江蘇師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019. 37（4）：55-58+74.

[11] 曹正鳳.隨機(jī)森林算法優(yōu)化研究 [D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2014.

[12] 蔣利平，彭立春.大數(shù)據(jù)時(shí)代高校畢業(yè)生就業(yè)質(zhì)量預(yù)警機(jī)制建構(gòu)研究 [J].中國大學(xué)生就業(yè)，2020（11），52-57.

[13] 畢瑤家，劉國柱，王華東，等.改進(jìn)隨機(jī)森林算法在人才培養(yǎng)質(zhì)量評價(jià)中的應(yīng)用 [J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2020，29（7）：212-216.

[14] 田臣，周麗娟.基于帶多數(shù)類權(quán)重的少數(shù)類過采樣技術(shù)和隨機(jī)森林的信用評估方法[J].計(jì)算機(jī)應(yīng)用，2019，39（6）：1707-1712.

作者簡介：牛丹丹（1985—），女，漢族，河南周口人，講師，畢業(yè)于重慶郵電大學(xué)，碩士研究生，研究方向：移動通信、MIMO通信。