近年來(lái)，隨著信息產(chǎn)業(yè)規(guī)?；潭鹊娜找婕由?，數(shù)據(jù)量呈指數(shù)式爆炸增長(zhǎng)，龐大數(shù)量的多源異構(gòu)數(shù)據(jù)帶來(lái)一系列挑戰(zhàn)的同時(shí)，也帶來(lái)了巨大的商機(jī)。于是，人們就提出了數(shù)據(jù)挖掘的概念，以便從大量的數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的規(guī)律和知識(shí)。本文以“智慧國(guó)防”綜合應(yīng)用系統(tǒng)為背景。在整個(gè)國(guó)防項(xiàng)目中，擇優(yōu)定兵環(huán)節(jié)是非常重要的環(huán)節(jié)，需要從所有適齡青年中挑選合適的應(yīng)征兵員。每年的適齡青年都產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含著多個(gè)維度的屬性特征，以往的擇優(yōu)定兵環(huán)節(jié)全程人工進(jìn)行，具有很大的工作量。因此，對(duì)待定兵員數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，建立合適的擇優(yōu)定兵模型，為武裝部工作人員提供擇優(yōu)定兵的智能分析和輔助決策，具有很重要的意義。本文的主要研究?jī)?nèi)容為數(shù)據(jù)挖掘在擇優(yōu)征兵工作中的應(yīng)用，包括擇優(yōu)定兵問(wèn)題上的數(shù)據(jù)挖掘模型設(shè)計(jì)及實(shí)現(xiàn)。模型設(shè)計(jì)具體包括業(yè)務(wù)理解，數(shù)據(jù)理解，數(shù)據(jù)預(yù)處理設(shè)計(jì)，模型的選擇、評(píng)估與優(yōu)化。重點(diǎn)研究了不平衡分類問(wèn)題以及邏輯回歸、決策樹(shù)、隨機(jī)森林、GBDT等分類模型，并對(duì)各個(gè)分類模型的參數(shù)優(yōu)化方法、模型評(píng)估方法進(jìn)行了研究。最終得到了在定兵類召回率、F1分?jǐn)?shù)、ROC_AUC上均表現(xiàn)較好的擇優(yōu)定兵模型，該模型在訓(xùn)練集，交叉驗(yàn)證和測(cè)試集上均能得到較好的分類結(jié)果，具有較好的泛化能力。

　　近年來(lái)，隨著信息產(chǎn)業(yè)規(guī)?；潭鹊娜找婕由睿瑪?shù)據(jù)量呈指數(shù)式爆炸增長(zhǎng)，各行各業(yè)每時(shí)每刻都在產(chǎn)生著大量待分析的數(shù)據(jù)，數(shù)據(jù)規(guī)模從MB、GB 級(jí)發(fā)展到TB、PB 級(jí)甚至EB、ZB 級(jí)。為了進(jìn)一步提高數(shù)據(jù)信息的利用率，基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database，簡(jiǎn)稱KDD）和它的核心技術(shù)——數(shù)據(jù)挖掘（Data Mining）被提出。數(shù)據(jù)挖掘是從更大范圍的概念，就是從大量數(shù)據(jù)中發(fā)現(xiàn)價(jià)值的一個(gè)處理過(guò)程。從數(shù)據(jù)挖掘中得到的價(jià)值和知識(shí)可以應(yīng)用于各種領(lǐng)域，包括經(jīng)濟(jì)管理、工業(yè)控制、商業(yè)營(yíng)銷、項(xiàng)目管理以及科技創(chuàng)新等。

　　本文以“智慧國(guó)防”綜合應(yīng)用系統(tǒng)為背景。在整個(gè)國(guó)防項(xiàng)目中，征兵業(yè)務(wù)是非常重要的部分，兵員的擇優(yōu)定兵環(huán)節(jié)則是重中之重。每年的待定兵員在定兵前產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含著兵員在多個(gè)維度的屬性特征，以往的擇優(yōu)定兵環(huán)節(jié)全程由武裝部工作人員人工進(jìn)行，具有很大的工作量，費(fèi)時(shí)費(fèi)力，而且人工操作不可避免地會(huì)存在一些差錯(cuò)和局限性。因此，對(duì)待定兵員數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，建立合適的擇優(yōu)定兵模型，為武裝部工作人員提供擇優(yōu)定兵的智能分析和輔助決策，具有很重要的意義。