近年来我国加强了对职业教育的发展,各个职业院校的招生规模日益扩大,逐年显著的毕业生就业难问题也引起了社会各界的广泛关注。随着职业教育办学模式的改革,教育部对职业院校提出了提升学生就业能力的要求。如何提升学生的就业能力成为各级职业教育教学机构的重点研究问题。数据挖掘技术旨在从大量数据中挖掘出有价值的信息,是目前计算机研究的一个热门领域,被广泛应用于社会的各个方面。本文将数据挖掘技术应用于教育教学领域,以学校现有的数据平台中的数据为挖掘对象,使用数据挖掘技术中的聚类技术和分类技术对数据进行分析,从中挖掘出影响学生就业能力的相关信息。聚类技术是数据挖掘领域中的一项重要技术,用于将数据集中的对象进行分类,使得同一簇中的对象彼此相似,而不同簇的对象之间高度相异。模糊聚类技术是模糊论和聚类技术的结合,改变了传统聚类将对象进行非此即彼的划分。本文使用应用较为广泛的模糊C均值聚类算法,以学生成绩、就业、个人档案等相关信息为研究对象,经过对数据收集、抽取、清理、集成、变换、消减后,再对预处理后的数据进行了聚类,并对结果进行了分析,得到了极具价值的信息。分类技术用于从包含大量数据的数据库中提取重要类的数据模型。决策树是分类技术中最有效的方法之一。本文在分析研究了决策树一般算法的基础上,重点对比分析了C4.5算法及其改进算法R-C4.5。然后以学生就业相关数据为分析对象,使用更加健壮有效的R-C4.5算法构造决策树,并提取了分类规则,最后对规则结果进行了分析,从中得出影响就业相关性的若干方面信息,为教育教学机构进行教改并最终提升学生就业能力提供决策依据。