随着高等教育改革的深入和现实社会就业形势严峻性的凸显,毕业生对自己的能力没有一个合理的认识和估计,因此在毕业去向的选择上迟疑不决。事实上大多数高校的就业中心都会为学生的毕业去向做出指导,但是目前没有一个合适的参考标准,且主要是考虑就业形势和高等教育改革方面,没有实现个性化指导;虽然可以从综合成绩、外语水平、实践活动方面评估一个学生的能力,但是如果有一个可以直观查看学生不同能力水平的能力指标,对于学生毕业去向的选择将具有更好的参考价值。本文研究主要面向计算机科学与技术专业的学生,根据学生综合成绩、基本信息、毕业信息等数据,按照要求生成相关能力指标,并根据能力指标及某些在校行为信息使用数据挖掘技术对学生的毕业去向做分析和预测,主要从三个方面进行了实验:(1)使用k-means聚类算法,将计算机科学与技术专业的学生进行合理的聚类划分,分析学生的整体毕业去向趋势,对比每个聚类学生各项能力指标差异以及研究不同聚类的学生与毕业去向的关系。(2)使用Apriori关联规则挖掘算法,挖掘出学生能力指标与毕业去向之间的关系规则,以及学生行为信息和能力指标与毕业去向之间的关系规则,分析影响学生毕业去向的最强影响因素。(3)使用Random Forest、SVM、LR、GBDT、Neural Network五种机器学习算法,建立学生毕业去向预测模型,通过模型评估指标对结果进行比较评估,选择最合适的预测算法预测学生的毕业去向。并将各类特征因素进行重要性对比分析。从上述研究实验中,通过聚类结果分析,挖掘出了不同聚类学生对于毕业去向的不同选择,以及不同能力指标水平的学生倾向的不同毕业去向;通过关联规则挖掘算法,分析出了能力指标和在校行为信息与毕业去向的关联性;通过建立毕业去向预测模型,使用模型评估指标结果比较得出,根据能力值预测的最好模型是逻辑回归(LR),根据能力指标和相关信息预测最好模型是支持向量机(SVM),另外对各类特征因素作为单项特征进行预测,结果发现能力指标对毕业去向的影响更大,性别对毕业去向的影响最小。