拖地带娃擦玻璃，卷王竟在我家里？——基于大数据挖掘与机器学习的家政行业整体素质提升因素分析
作者单位：安徽大学
会议名称：《2021年（第七届）全国大学生统计建模大赛》
会议日期：2021年
学科分类：12[管理学] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 020205[经济学-产业经济学]
关 键 词：家政从业者 因子分析 BP神经网络 决策树 随机森林
摘 要：家政服务业即为家庭提供多种类服务的专门行业,在第三产业中占有重要地位。但近年来,由于人工智能家居产业的发展与客户对家政从业者的要求水平不断提高,家政行业仍面对较大问题。本文从家政从业人员的角度出发,首先,通过网络爬虫爬取家政从业者相关数据,并对数据进行量化处理后展开分析。其次,对家政从业者的工作经历和培训评价进行词频分析和词云图制作,以此来预判客户需求的倾向性。接着进行因子分析,得到家政从业者的综合评分公式,以此对家政从业者进行综合评估。而后,为进一步研究家政从业者的专业水平与核心素养对其制定预期工资的影响,在因子分析的基础上,使用回归模型进行验证,发现模型拟合度较好,说明家政从业者专业水平与其工资联系密切。在模型构建方面,我们建立了BP神经网络,并采用Levenberg-Marquardt算法仿真,得出准确率为90.0%的模型;同时,在使用模型筛选器将机器模型筛选出最适用的袋装树模型后,通过对训练集进行训练、优化剪枝最终得到较为简洁且采样误差与交叉验证误差分别为0.1334和0.1735的决策树模型,以此判断家政从业者的个人特质是否能使其个人工资超过行业平均工资。最后通过代入训练和袋外数据测试构建出准确性约为90.5%的随机森林模型,分析影响家政从业者预期工资的因素。通过模型正确率分析得出,随机森林模型预测准确性较高。通过分析得出结论,一方面,家政从业者想使得预期工资达到平均工资水平,须提升个人专业水平,参与正规专业培训,丰富个人专业技能,提升市场竞争力;另一方面,由于家政行业规模扩大,行业要求更加严格,行业秩序更加规范,家政行业整体素质有较大提升。