大学生就业质量与多种因素有关,每一种因素对大学生就业质量评价贡献不一样,传统方法没有考虑该问题,使得大学生就业质量评价精度低。为了改善大学生就业质量评价效果,提出灰色关联分析和深度学习的大学生就业质量评价模型。首先选择大学生就业质量的评价指标,并采用灰色关联分析确定每一种指标对大学生就业质量评价结果影响的权值;然后根据权值重构大学生就业质量评价学习样本,通过深度学习算法对大学生就业质量评价模型的输入和输出之间的变化关系进行训练建模,得到最优的大学生就业质量评价模型;最后采用多个具体大学就业质量数据进行实例分析,所设计模型的大学生就业质量评价精度大约为93%,而当前经典模型的大学生就业质量评价精度却低于90%,同时所设计模型提高了大学生就业质量评价训练速度,提升了大学生就业质量评价效率。

文章来源：《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/qikandaodu/2021/0303/687.html

上一篇：数据分析技术对网络授课辅助能力的探索
下一篇：全球船用燃料由脱硫向脱碳转变