基于SSM与决策树的大学生就业预测系统设计与实现

简介：这是一份基于决策树算法的大学生就业预测系统完整项目包，面向Java方向的高校学生和毕业设计/课程设计开发者，以就业趋势分析与预测为核心，将SSM框架、MySQL数据存储与决策树建模流程整合在一起，适合作为数据挖掘与Web开发相结合的综合实践。压缩包共1155个文件，约52.22MB，主要包含Java源码及编译后的class文件、JSP页面、JS/CSS前端交互资源、SQL数据库脚本和JAR依赖库，覆盖从数据访问、业务控制到页面展示的完整实现链路。系统重点实现了数据预处理、决策树模型训练与效果评估，并通过可视化网页反馈预测结果，有助于理解ID3、C4.5等算法在真实就业场景中的落地方式，也能看到SSM项目从数据库建表到接口调用的完整写法。目前已有148人学习下载，适合作为课程设计或毕业设计的整体参考，既可在现有源码上二次开发，也能结合文档梳理学习数据挖掘项目的实现思路。

1. 如果只让我用一个算法给大学生就业预测系统撑门面，我会选决策树算法，因为它能在几千条毕业生记录上直接产出可解释的规则

大学生就业预测这个题目，最容易被问的一句是：为什么不用神经网络？我的答案是，在毕业生样本量只有几千、特征以“成绩段”“实习次数”“技能证书”这类离散变量为主的场景下，决策树算法比深度模型收敛更快，更重要的是它能给出明确的规则路径：某学生被分到“就业”节点的依据是“实习超过2次且平均绩点不低于3.0”。这套基于决策树算法的大学生就业预测系统，就是典型的SSM + MySQL + 决策树组合。它把毕业生基础信息、在校表现和就业结果存储成结构化数据，再用C4.5/ID3思想的树模型做预测。适合三类人：正在做Java Web毕设或课设的学生、想快速搭建数据挖掘演示系统的人、以及需要给业务方解释“为什么这么预测”的工程师。

2. 从Controller反推系统架构：SSM项目的数据流设计

2.1 模块边界与核心表

拿到源码后，我先看Controller命名，因为Controller是Web项目请求入口。这个工程里出现的BiCompareSchoolsController、GraduateInformationController、StudentMemberController、TeacherMemberController、AdministrativeClassController、NewsController，已经能拼出系统全貌：毕业生信息管理、学生/教师/管理员三类账号体系、校际就业对比、行政班组织架构、新闻公告。后台最核心的链路是“学生账号登录 -> 维护毕业生信息 -> 训练/导入决策树模型 -> 输出就业预测 -> BI对比展示”。

根据这种划分，数据库至少需要以下核心表：

从上表可以看出，就业预测的主体表是graduate_info，其余表都围绕“谁能维护和查看这些数据”展开。这也是我建议你先读这张表的原因：决策树训练需要的特征字段全部集中在这里。

2.2 建表与MyBatis动态SQL

实际工程里学生信息表还会带上major、company_type、salary等字段，用于后续BI统计。我一般按下面的SQL建最小可用版本：

CREATE TABLE graduate_info ( id INT PRIMARY KEY AUTO_INCREMENT, student_no VARCHAR(20) NOT NULL UNIQUE, major VARCHAR(50), avg_score DECIMAL(5,2), internship_count INT DEFAULT 0, certificate_count INT DEFAULT 0, skill_level VARCHAR(20), is_employed TINYINT DEFAULT 0, company_type VARCHAR(50), salary DECIMAL(10,2), create_time DATETIME ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

这段SQL里，avg_score用DECIMAL而不是FLOAT，是为了避免浮点比较时的脏数据；is_employed用TINYINT，0表示未就业，1表示已就业，这是决策树标签列。skill_level可以存“初级/中级/高级”，后面在特征编码阶段再转成数值。

MyBatis层通常会写一个支持多条件查询的动态SQL，方便界面按专业、就业状态过滤：

<select id="selectByCondition" resultType="com.dt.entity.GraduateInfo"> SELECT id, student_no, major, avg_score, internship_count, certificate_count, skill_level, is_employed FROM graduate_info <where> <if test="major != null and major != ''"> AND major = #{major} </if> <if test="isEmployed != null"> AND is_employed = #{isEmployed} </if> </where> ORDER BY create_time DESC </select>

这里的 和 是MyBatis动态SQL的核心写法：只有传入条件时才会追加对应AND子句，不需要在Java代码里手动拼接SQL。原先的GraduateInformationDaoImpl就是对这类Mapper接口的实现，DaoImpl负责把Mapper的结果再组装成业务对象。

2.3 事务与多表绑定

毕业生信息更新不是单表操作。学生可能要同时更新graduate_info和student_member，如果后一步失败，前一步不能提交。SSM里通常在Service层加@Transactional：

@Service public class GraduateInfoServiceImpl { @Transactional public void updateGraduateInfo(GraduateInfo info, String studentNo) { graduateInfoDao.update(info); studentMemberDao.updateByStudentNo(studentNo); } }

事务生效的前提是Service实现类被Spring管理，且事务管理器配置了数据库连接。很多克隆的SSM工程默认开启AOP事务，但你需要在spring-mybatis.xml里确认是否有<tx:annotation-driven />。没有这个配置，@Transactional只是静默失效，更新一半时MySQL会抛异常但前面的操作不会回滚。

注意：排查事务失效时，先看Spring是否扫描到了ServiceImpl，再看事务管理器是否注入了数据源，漏掉任何一个都会导致回滚不生效。

3. 决策树核心实现：从信息熵到分类规则

3.1 为什么是决策树而不是LR

就业预测场景里的特征通常是“成绩段”“性别”“实习次数”“技能证书数量”，它们和高斯分布、线性可分都不沾边。逻辑回归需要花大量时间做特征交叉，而决策树对离散特征天然友好。决策树每次分裂都选择一个“让子节点更纯”的特征，输出的树结构本身就是业务规则。面试官问你“为什么选决策树”，你可以从三点答：样本量小到几千时不容易过拟合；树规则可以直接转成SQL或前端文案；ID3/C4.5/CART实现思路简单，便于课程设计答辩。

本系统里最可能采用C4.5思路，因为ID3存在一个明显缺陷：它偏好取值数多的特征，比如student_no这种唯一ID，信息增益一定是最大，但它没有泛化能力。C4.5用信息增益率来抑制这种倾向。CART则更偏向回归和二叉树，如果预测目标是“就业/未就业”，CART也能用，但C4.5逻辑更贴近教学演示。

3.2 特征编码

建表后，把数据灌入算法前，需要把所有特征转成double数组。转换规则我建议单独放在FeatureEncoder类里。

对于avg_score这种连续值，C4.5在处理时会先把所有样本按该特征排序，然后对每两个相邻值的中点计算信息增益率，取增益率最高的切分点。如果在Java里自己实现，这部分计算量最大；如果使用的是Weka或Spark MLlib，直接用C4.5替换即可。为了降低课程设计实现难度，也可以先把成绩离散化，再交给ID3风格的树算法。

3.3 构建树的Java实现

以下是可运行的决策树核心代码，省略了TreeNode的getter/setter，算法采用ID3思路，支持通过useGainRatio开关切换C4.5的信息增益率。

public class DecisionTree { private TreeNode root; private int minSamplesLeaf = 3; private boolean useGainRatio; public TreeNode build(List<double[]> featureList, int[] labels, boolean useGainRatio) { List<Integer> indices = new ArrayList<>(); for (int i = 0; i < labels.length; i++) indices.add(i); this.useGainRatio = useGainRatio; this.root = buildNode(featureList, labels, indices); return root; } private TreeNode buildNode(List<double[]> feat, int[] labels, List<Integer> idx) { if (isSameLabel(labels, idx)) return leaf(labels[idx.get(0)]); if (idx.size() < minSamplesLeaf) return leaf(mostLabel(labels, idx)); int bestAttr = selectBestFeature(feat, labels, idx, useGainRatio); if (bestAttr == -1) return leaf(mostLabel(labels, idx)); TreeNode node = new TreeNode(bestAttr); Map<Double, List<Integer>> split = new HashMap<>(); for (int i : idx) { double v = feat.get(i)[bestAttr]; split.computeIfAbsent(v, k -> new ArrayList<>()).add(i); } for (List<Integer> subIdx : split.values()) { node.addChild(feat.get(subIdx.get(0))[bestAttr], buildNode(feat, labels, subIdx)); } return node; } private int selectBestFeature(List<double[]> feat, int[] labels, List<Integer> idx, boolean useGainRatio) { double baseEntropy = entropy(labels, idx); int featureCount = feat.get(0).length; int best = -1; double bestScore = 0; for (int f = 0; f < featureCount; f++) { Map<Double, List<Integer>> split = new HashMap<>(); for (int i : idx) { double v = feat.get(i)[f]; split.computeIfAbsent(v, k -> new ArrayList<>()).add(i); } double childEntropy = 0; double iv = 0; for (List<Integer> part : split.values()) { double w = 1.0 * part.size() / idx.size(); childEntropy += w * entropy(labels, part); iv -= w * (Math.log(w) / Math.log(2)); } double gain = baseEntropy - childEntropy; double score = useGainRatio ? gain / Math.max(iv, 1e-10) : gain; if (score > bestScore) { bestScore = score; best = f; } } return best; } public static double entropy(int[] labels, List<Integer> idx) { Map<Integer, Integer> cnt = new HashMap<>(); for (int i : idx) cnt.put(labels[i], cnt.getOrDefault(labels[i], 0) + 1); double e = 0; int n = idx.size(); for (int c : cnt.values()) { double p = 1.0 * c / n; e -= p * (Math.log(p) / Math.log(2)); } return e; } }

这个实现的调用方式如下：

DecisionTree dt = new DecisionTree(); dt.setMinSamplesLeaf(3); TreeNode root = dt.build(featureList, labels, true); int prediction = new TreePredictor(root).predict(testFeature);

说下关键参数：minSamplesLeaf是叶子最少样本数，设为3以上可以避免树把所有训练样本全部分类到单个叶子的“完美过拟合”；useGainRatio为true时使用C4.5的信息增益率，为false时退化为ID3的信息增益。注意selectBestFeature在扫描特征时，把所有值当成离散值；若传入连续特征，需要先对数值排序后枚举分裂点，代码量会再增加几十行。我通常的做法是：在编码阶段就把连续特征离散化，这样树构建部分能保持简洁。

3.4 预测与评估指标

训练完成后，预测过程就是从根节点开始，按节点保存的特征下标取测试样本值，走到叶子，返回叶子存储的类标。评估不能只看准确率，因为就业/未就业样本通常不平衡。必须同时算精确率、召回率、F1。

如果召回率明显低于精确率，说明很多就业样本被预测为未就业，要检查是不是训练集中未就业样本偏多。可以先用真实数据分布跑一轮，再决定是否对少数类做过采样。由于本系统不提供额外数据源，实操时我会把graduate_info里的is_employed字段改成手动标记的样本，再按8:2拆分训练集/测试集，用评估代码输出四个指标。

4. SSM业务链路：预测接口、权限与BI对比

4.1 一个可用的预测接口

前端的交互大致是：学生登录后填写成绩、实习次数、证书数，点击“预测”，Ajax把JSON发到后端，后端调用决策树模型返回“就业”或“待就业”。Controller层代码如下：

@RestController @RequestMapping("/api/predict") public class GraduatePredictionController { @Autowired private EmploymentPredictionService predictionService; @PostMapping("/result") public Result predict(@RequestBody GraduateInfoVO vo) { double[] feature = FeatureEncoder.encode(vo); String result = predictionService.predict(feature); return Result.ok() .put("result", result) .put("feature", feature); } }

说明：@RestController是SpringMVC 4之后引入的组合注解，等于@Controller + @ResponseBody，返回值自动序列化成JSON。GraduateInfoVO是前端入参，字段名和graduate_info表对齐，避免在Service层再手工set。FeatureEncoder.encode(vo)负责把VO中的字符串类别转成算法能接受的double数组，这就是上一章提到的特征编码环节。Result.ok()是统一响应体，末尾的.put用于附带诊断信息，便于调试。

如果SSM版本较老，你会发现原工程里用的是@RequestMapping而非@PostMapping，作用等价。切换新注解时注意Spring版本需要4.3+。

4.2 Service层如何组装模型

Service不能每请求一次都重新建树，否则内存和CPU都扛不住。常见做法是项目启动时从数据库加载样本，初始化一次决策树，后续请求只走predict路径。

@Service public class EmploymentPredictionServiceImpl implements EmploymentPredictionService { private TreeNode tree; @PostConstruct public void init() { List<GraduateInfo> list = graduateInfoDao.selectAll(); List<double[]> features = new ArrayList<>(); int[] labels = new int[list.size()]; for (int i = 0; i < list.size(); i++) { features.add(FeatureEncoder.encode(list.get(i))); labels[i] = list.get(i).getIsEmployed(); } DecisionTree dt = new DecisionTree(); dt.setMinSamplesLeaf(5); this.tree = dt.build(features, labels, true); } @Override public String predict(double[] feature) { TreeNode leaf = TreePredictor.predict(tree, feature); return leaf.getLabel() == 1 ? "就业" : "待就业"; } }

@PostConstruct是Servlet标准注解，在依赖注入完成后执行一次初始化。这里把决策树构建放在Spring容器启动阶段，避免第一次请求因为建树而卡顿。缺陷是当graduate_info数据量很大时启动变慢，折中方案是用Schedule定时重建，或者在管理员维护毕业生信息后主动调用init()。我个人习惯给树模型加一个version字段，存入redis，前端每次预测带上版本号，模型更新时平滑切换。

4.3 BI对比与权限控制

BICompareSchoolsController这个类名很有意思，BI指商业智能，比的是校际/专业维度。它的查询通常是：

<select id="compareSchools" resultType="map"> SELECT major, COUNT(*) AS total_cnt, SUM(CASE WHEN is_employed = 1 THEN 1 ELSE 0 END) / COUNT(*) AS employment_rate, AVG(salary) AS avg_salary FROM graduate_info GROUP BY major ORDER BY employment_rate DESC </select>

注意COUNT(*)和AVG(salary)都是聚合函数，如果salary为空，AVG自动忽略NULL，但SUM/COUNT组合不会，需要先COALESCE。另一个容易错的是GROUP BY字段必须出现在SELECT列表中（MySQL的ONLY_FULL_GROUP_BY模式），否则会抛ER_WRONG_FIELD_WITH_GROUP错误。改成上面这种写法能同时兼容MySQL 5.7和8.0。

权限控制方面，系统有AdminMemberController、CollegeAdminMemberController、StudentMemberController三个职责不同的登录入口。可以用拦截器统一校验Session中的role字段：

public class RoleInterceptor implements HandlerInterceptor { @Override public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception { Member member = (Member) request.getSession().getAttribute("loginMember"); if (member == null) { response.sendRedirect("/login.html"); return false; } return true; } }

然后在SpringMVC配置里对/admin/**和/api/**注册拦截器，细粒度权限再配合自定义注解做方法级控制。课程设计级别做到Controller入口拦截已经足够。

5. 部署、模型验证与剪枝调优

5.1 快速部署到服务器

项目是SSM多模块结构，我通常先本机打包，再分发到Tomcat：

mvn clean package -DskipTests cp target/employment-predict.war $TOMCAT_HOME/webapps/ sh $TOMCAT_HOME/bin/startup.sh

启动前检查三点：spring-mybatis.xml里的数据库账号密码、MySQL字符集是否为utf8mb4、Java版本是否与pom.xml中maven.compiler一致。如果启动后日志里有ClassNotFoundException，优先排查jar包冲突，特别是cglib和mybatis-spring版本。

5.2 验证指标最简单的方式

模型训练和评估可以放在Controller里加一个/debug/eval接口，也可以用独立的JUnit测试类跑。我习惯直接在测试类里计算混淆矩阵：

int tp = 0, fp = 0, fn = 0, tn = 0; for (int i = 0; i < testSize; i++) { int pred = predictor.predict(testFeature[i]); int real = testLabels[i]; if (pred == 1 && real == 1) tp++; else if (pred == 1 && real == 0) fp++; else if (pred == 0 && real == 1) fn++; else tn++; } double precision = (double) tp / (tp + fp); double recall = (double) tp / (tp + fn); double f1 = 2 * precision * recall / (precision + recall);

这里最容易出现的是fp为0时除以0。判断一下tp+fp==0就置0，不要默认给1。

注意：当tp+fp=0时，精确率分母为0，统一返回0处理。

5.3 剪枝参数与连续特征离散化实践

工程里我常用的调优参数是maxDepth和minSamplesLeaf。把maxDepth设为5，minSamplesLeaf设为10，能明显减少树高度。更规范的调法是网格搜索：

for maxDepth in 3 5 7; do for minLeaf in 5 10 20; do echo "depth=$maxDepth leaf=$minLeaf"; done; done

在Java里对应两层循环，每次重新构建并计算F1，取F1最高的一组参数写入application.properties。连续特征的离散化不要用固定阈值，优先按训练数据的分位数切分，比如把avg_score按33%、66%分成低/中/高三段，比强制60/80更贴合本系统样本分布。最后要注意，每次更新训练集后都要重建树并重新验证，否则部署的模型还是旧的。我在这个系统里把决策树模型参数配置放到了数据库字典表，调整maxDepth和minLeaf后无需重新部署war包，只需要在管理员页面点击“重建模型”按钮即可生效。

本文还有配套的精品资源，点击获取