本研究针对美国陆军预备役军官训练团（ROTC）学员在兵种选择过程中的不确定性，提出期望预测模型以计算学员获得特定兵种的概率。明确的兵种预期既能增强学员在整个流程中的积极性，又能帮助其针对潜在任职方向做好充分准备。本研究运用机器学习技术对历史学员分配数据进行分析，构建出可在输入相关数据时实现高精度预测的期望模型。核心研究方法采用神经网络与集成学习技术，但在确定最终方案前也评估了其他机器学习方法。经测试，极限梯度提升（XGB）模型的最终预测准确率超过83%。该模型的推广应用将使全美ROTC学员有效降低兵种分配的不确定性，从而更专注地规划职业发展路径。

本研究聚焦两大核心研究目标：

• ​开发期望模型：构建能够接收学员兵种偏好与评分指标，并输出学员预期分配结果的预测模型。

• ​构建影响因素排序表：生成影响分配结果的关键因素有序列表，并确定各因素的关联百分比。

上述研究目标此前尚未被探索，其成果将显著提升美国陆军学员司令部（USACC）在预备役军官训练团（ROTC）学员与陆军兵种间高效协调的能力。

研究采用五章结构：

​第一章：阐述研究背景，包括问题背景与核心脉络。

​第二章：进行文献综述。

​第三章：探讨方法论开发与算法比较。

​第四章：分析选定模型的结果与输出。

​第五章：总结研究结论，并提出该领域后续研究方向。

终章将概括研究全貌，提供模型应用建议，并展望未来可应用于该问题的研究或开发方向。