Хураангуй:
Энэхүү дипломын ажлаар орчин үед тренд болоод буй өгөгдөл олборлолт буюу Data Mining-ийн аргуудаар төгсөгчдийн хөдөлмөр эрхлэлтийн байдлыг урьдчилан таамаглах ангиллын загвар үүсгэж, хамгийн өндөр нарийвчлал бүхий аргыг тодорхойлох билээ. Мөн түүнчлэн, төгсөгчдийн ажилгүйдлийн шалтгаан болон хөдөлмөрийн зах зээлд нийцэхүйц мэргэжилтнийг бэлдэхэд шаардлагатай хүчин зүйлсийг өгөгдөл олборлолтын аргаар тодорхойлох юм. Судалгааны үндсэн арга зүйд Нэйви Бэйес, К-Хамгийн ойрын хөрш, Шийдвэрийн мод зэрэг ангиллын алгоритм байх ба загвараа баталгаажуулахын тулд МУИС-ийн 2018-2019 оны төгсөгчдийн мэдээллийг ашиглан гүйцэтгэсэн болно. Төгсөгчдийн ерөнхий мэдээллийг агуулсан 12 хувьсагчдаар хөдөлмөр эрхлэлтийг урьдчилан таамаглах ангиллын загварыг бий болгохдоо суралцах болон үнэлгээний гэсэн хоёр үе шатаар ангиллын загварыг бий болгосон эцэст нь гүйцэтгэлийн үнэн зөв байдал (accuracy), алдаа (error), нарийвчлал (precision), санах ой (recall) зэрэг янз бүрийн параметрүүд дээр үндэслэн үнэлсэн билээ. Судалгааны үр дүнд, сурлагын голч дүн ямар нэг байдлаар ажил хөдөлмөр эрхлэхэд нөлөө үзүүлдэг ба хүчин зүйл хамаарлын шинжилгээгээр 0.9 буюу өндөр хамааралтай байв. Харин голч оноо бага байх тусам ажил эрхлэлтийн хувь хэмжээ буурахад нөлөө үзүүлдэг гэсэн хамаарал ажиглагдсан. Мөн тухайн төгсөгчийн мэргэжил ямар газар ажиллахтай эерэг хамааралтай буюу 0.6 байна. Үндсэн арга зүйн хэрэгжүүлэлтийн үр дүнг харвал Нэйви Бэйес 91.76%, К-Хамгийн ойрын хөрш 98.64%, Шийдвэрийн мод алгоритмын ангиллын загвар 99.61% буюу хамгийн өндөр нарийвчлалтай байна. Тиймээс Шийдвэрийн модны алгоритм нь төгсөгчдийн хөдөлмөр эрхлэлтийн байдлыг урьдчилан таамаглахад илүү тохиромжтой гэсэн үр дүн гарсан юм.
