资 源 简 介
近年来，随着信息产业规模化程度的日益加深，数据量呈指数式爆炸增长，庞大数量的多源异构数据带来一系列挑战的同时，也带来了巨大的商机。于是，人们就提出了数据挖掘的概念，以便从大量的数据中发现有价值的规律和知识。本文以“智慧国防”综合应用系统为背景。在整个国防项目中，择优定兵环节是非常重要的环节，需要从所有适龄青年中挑选合适的应征兵员。每年的适龄青年都产生大量的数据，这些数据中蕴含着多个维度的属性特征，以往的择优定兵环节全程人工进行，具有很大的工作量。因此，对待定兵员数据进行数据挖掘，建立合适的择优定兵模型，为武装部工作人员提供择优定兵的智能分析和辅助决策，具有很重要的意义。本文的主要研究内容为数据挖掘在择优征兵工作中的应用，包括择优定兵问题上的数据挖掘模型设计及实现。模型设计具体包括业务理解，数据理解，数据预处理设计，模型的选择、评估与优化。重点研究了不平衡分类问题以及逻辑回归、决策树、随机森林、GBDT等分类模型，并对各个分类模型的参数优化方法、模型评估方法进行了研究。最终得到了在定兵类召回率、F1分数、ROC_AUC上均表现较好的择优定兵模型，该模型在训练集，交叉验证和测试集上均能得到较好的分类结果，具有较好的泛化能力。
近年来，随着信息产业规模化程度的日益加深，数据量呈指数式爆炸增长，各行各业每时每刻都在产生着大量待分析的数据，数据规模从MB、GB 级发展到TB、PB 级甚至EB、ZB 级。为了进一步提高数据信息的利用率，基于数据库的知识发现（Knowledge Discovery in Database，简称KDD）和它的核心技术——数据挖掘（Data Mining）被提出。数据挖掘是从更大范围的概念，就是从大量数据中发现价值的一个处理过程。从数据挖掘中得到的价值和知识可以应用于各种领域，包括经济管理、工业控制、商业营销、项目管理以及科技创新等。
本文以“智慧国防”综合应用系统为背景。在整个国防项目中，征兵业务是非常重要的部分，兵员的择优定兵环节则是重中之重。每年的待定兵员在定兵前产生大量的数据，这些数据中蕴含着兵员在多个维度的属性特征，以往的择优定兵环节全程由武装部工作人员人工进行，具有很大的工作量，费时费力，而且人工操作不可避免地会存在一些差错和局限性。因此，对待定兵员数据进行数据挖掘，建立合适的择优定兵模型，为武装部工作人员提供择优定兵的智能分析和辅助决策，具有很重要的意义。
