hadoop+spark+hive薪资预测 招聘推荐系统 招聘数据可视化分析+薪资预测+推荐系统

1、项目介绍技术栈Python语言、Flask框架、Layui前端框架、基于标签的推荐算法、拉钩招聘、7个预测模型 、sklearn机器学习、神经网络功能模块1、数据可视化生成招聘数据可视化图像2、基于Layui框架建立网站前端3、采用基于标签的推荐算法结合基于内容和基于协同过滤的推荐算法实现个性化推荐4、基于机器学习建立了7个预测模型通过最优对比选择了神经网络作为薪资预测模型。2、项目界面1全国岗位分布分析2岗位数据分析3能力需求分析词云图4专业技能分析柱状图5薪资分析6薪资预测7推荐模块8招聘数据3、项目说明3、项目说明一、说明1.数据采集和数据预处理获取有效招聘数据实现数据总览2.数据可视化生成招聘数据可视化图像3.基于Layui框架建立网站前端4.采用基于标签的推荐算法结合基于内容和基于协同过滤的推荐算法实现个性化推荐5.基于机器学习建立了7个预测模型通过最优对比选择了神经网络作为薪资预测模型。二、功能数据总览1.查询所有招聘信息2.查询指定信息数据可视化1.工作经验-新资2.学历-薪资3.岗位数量分析4.岗位全国分布情况5.岗位专业技能需求6.岗位职场能力需求预测与推荐1.根据已知数据预测薪资2.推荐适合用户的岗位信息三、基于标签的推荐算法这个算法结合了基于内容和基于协同过滤两种推荐算法。计算用户对岗位的兴趣度然后向该用户推荐兴趣度最高的的岗位信息因为热门标签的数据在推荐算法中具有很大的权重缺少了个性化用户对物品的兴趣度也会收到影响。这里我们可以通过TF-IDF的思想来改善算法。四、建立薪资预测模型系统将招聘数据中的“学历”、“工作经验”、“公司规模”和“城市”作为影响因子将薪资按照5k为区间进行划分。此外还需要使用SMOTE算法解决数据样本数量不均衡的问题。SMOTE是一种合成少数群体过采样技术通过分析少数类样本并在少数样本的基础上人工合成新样本并将其添加到数据集中。评判模型的指标有准确率、精确率、调和平均值以及均方误差等。4、部分代码源码获取由于篇幅限制获取完整文章或源码、代做项目的查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦大家点赞、收藏、关注、评论啦 、查看获取联系方式