《表3 方案综合比较:基于LightGBM的高校就业预测模型》
从表3实验结果可知,由于数据的不平衡性和复杂性,导致上述对比算法对正类(少数类)的预测精度低于本文算法,虽然本文算法的整体准确率略低于Balance Cascad算法,但对少数类的预测准确率较高,所以Recall和F-measure高于其他对比算法,说明了本文方法能有效识预测毕业生的就业去向,且对未就业学(少数类)的预测精度显著提高。由于本文算法加入了贝叶斯参数优化,所以耗时相对较高,仍须进一步降低其时间复杂度。
图表编号 | XD00192515300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 罗丹、刘旋 |
绘制单位 | 信阳农林学院信息工程学院、信阳农林学院信息工程学院 |
更多格式 | 高清、无水印(增值服务) |