谷月

(西安航空职业技术学院， 通用航空学院， 陕西， 西安 710089)

0 引言

我国就业压力随高校毕业生数量逐年提升而有所提升，充分分析市场就业形势，预测高校学生就业去向对于缓解我国就业压力具有重要的现实意义[1]。高校学生就业情况具有较高的复杂性以及动态性，通过简单的数据分析方法无法获取高校学生就业的实际情况以及本质，动态、深入研究高校学生就业去向，充分考虑高校学生现实情况利用高效的预测方法实现就业去向分析具有较高实用性[2]。机器学习算法可实现高校学生就业去向精准预测，为高校教育领域以及优化我国就业形式提供有效参考[3-4]。

近年来针对高校学生就业去向预测的研究众多，吕同双等[5]研究基于立体数据的高校学生就业去向预测方法；韦师等[6]研究基于灰色预测模型的我国就业发展趋势分析，分别利用立体数据以及灰色预测模型分析高校学生就业去向以及我国就业发展趋势，可实现高校学生就业去向以及我国就业发展趋势预测，但面对就业去向这一非线性问题预测精度较低，对我国高校学生就业去向分析参考意义较小。

机器学习算法主要包括无监督学习、监督学习以及强化学习3类，贝叶斯分类算法、聚类算法、决策树算法以及支持向量机算法均为机器学习算法中应用较为广泛的高效算法。为了获取更精准的高校学生就业去向预测结果，提出了基于机器学习算法的高校学生就业去向预测方法，并通过仿真平台验证该方法预测有效性，预测结果可为我国高校学生就业情况分析提供参考依据。……