近年来,高等院校的办学规模逐渐扩大导致了高校大学毕业生的人数不断增长,就业成为了毕业生关注的首要问题。据统计,我国高校毕业生的数量由20’05年的338万增加到2013年的699万。高校一般为了便于管理学生,都建立了学生管理系统,保存大量学生的数据。面对就业难问题,我们想要知道如何培养学生,重点培养哪些方面的素质,才能使其学生更加容易找到一份理想的工作。本文以内蒙古农业大学计算机院的学生数据为研究对象,分析他们连续三年的就业情况以及在校期间各方面素质培养状况,包括课程成绩、外语水平、实践能力、政治面貌等情况,拟挖掘出学生在校学习与就业之间的内在联系。首先进行样本数据采集,然后再对数据进行集成、清理、转换等一系列过程,综合考虑影响大学生就业的各种因素,对高校大学生在校学习情况与就业情况进行对比分析,采取经典决策树算法计算并生成决策树,进而得出相应的分类规则。本文详细介绍了数据挖掘中决策树算法的概念以及发展历史,分析了三种经典决策树算法：ID3、C4.5、CART算法的算法思想,研究了这三种算法应用于本科高校毕业生在校期间学习与就业数据的内在联系,并对三种算法的优缺点进行了对比,分析各自的优缺点。最后根据决策树总结出的分类规则,测试规则的准确率,同时寻找出对学生就业和高校管理有较大影响的决策属性。最终在应用及对比后,实验结果表明,影响学生就业的关键属性依次为实践能力、外语水平以及课程平均成绩。该研究结果可为各高校管理者提供决策支持以提高就业率和改进现行的培养机制提供借鉴。