《表3 方案综合比较：基于LightGBM的高校就业预测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LightGBM的高校就业预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。