检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

员工离职预测模型研究

员工离职预测模型研究

作者：张彤长安大学

学位级别：硕士

人才尤其是优秀人才作为企业的核心组成部分,对企业的稳定发展起到了关键作用。在信息化时代下,企业平台累积了大量的员工数据,凭借这些数据对影响员工离职的因素进行分析,并选择合适的预测方法进行员工离职预测,对企业提前采取措施,预... 详细信息

人才尤其是优秀人才作为企业的核心组成部分,对企业的稳定发展起到了关键作用。在信息化时代下,企业平台累积了大量的员工数据,凭借这些数据对影响员工离职的因素进行分析,并选择合适的预测方法进行员工离职预测,对企业提前采取措施,预防人才流失具有一定的指导意义。首先本文对原始数据进行可视化分析,初步得到影响员工离职的几个因素,利用one-hot编码和分箱处理分别对分类特征和连续特征进行预处理,且通过相关系数矩阵对相关性强的特征进行再处理。在此基础上,利用递归特征消除法筛选特征,并结合可视化分析结果,确定了构建模型所需的实验数据集。对预测模型进行研究,选取随机森林模型、Light GBM模型和逻辑回归模型进行员工离职预测,并对其进行调参,通过对比不同参数取值下模型的AUC取值,选取预测效果最好的单模型作为最终的单项预测模型,并利用确定的实验数据集对调参后的三种单项预测模型进行模型实践,实验结果表明,逻辑回归单项预测模型的效果最好,但三种模型之间仍存在一定的差异性,因此,可进一步对模型进行组合,提升预测的准确度与AUC值。对组合预测模型进行研究,设计了基于Stacking组合策略的SRLL预测模型和投票法模型两种组合模型,使用组合模型对员工离职进行预测,并比较单模型与组合模型的准确率与AUC取值,结果表明,两种组合预测模型的预测效果均优于各单项预测模型,且根据Stacking组合策略设计的SRLL组合模型的预测效果更佳,因此,将SRLL组合预测模型作为最终的员工离职预测模型。

关键词：员工离职预测随机森林 LightGBM 逻辑回归 Stacking模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于决策树和SVM的员工离职预测研究

基于决策树和SVM的员工离职预测研究

作者：李德友大连理工大学

学位级别：硕士

企业员工离职会给企业增加招聘成本、运营成本和经济损失,针对于此,提出利用机器学习构建员工离职预测模型。基于二叉树的CART算法和多叉树的C5.0算法有直观的分类规则,而SVM能够处理非线性特征之间的相互作用,其预测的准确度达到82%、... 详细信息

企业员工离职会给企业增加招聘成本、运营成本和经济损失,针对于此,提出利用机器学习构建员工离职预测模型。基于二叉树的CART算法和多叉树的C5.0算法有直观的分类规则,而SVM能够处理非线性特征之间的相互作用,其预测的准确度达到82%、85%和86%。但传统单棵树模型和SVM算法无法在不平衡数据场景中有效应对,对于不平衡样本,在原始数据不改变的情形下,通过增加对少类样本的学习权重,改变训练数据的权值或概率分布,有效减小了对离职员工错误分类的概率。利用SMOTE重采样算法对原始数据再平衡,在灵敏度提升的情况下,十折交叉验证平均分类准确度都在90%以上,其中,在Friedman非参数和t检验下,SMOTE-SVM模型性能最优,能够最好正确分类出离职员工和未离职员工,为企业人力资源工作和提高企业人才竞争力提供有力支撑。

关键词：不平衡数据决策树员工离职预测增强算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分类器在员工离职预测中的应用

分类器在员工离职预测中的应用

作者：刘婷婷广西大学

学位级别：硕士

本文主要基于数据挖掘中的决策树分类技术建立组合分类器模型,对员工离职数据集进行分类,预测员工离职。研究的主要内容包括数据预处理、单分类器模型建立以及通过剪枝、组合等手段优化模型,提高预测准确性。论文针对员工离职数据集进... 详细信息

本文主要基于数据挖掘中的决策树分类技术建立组合分类器模型,对员工离职数据集进行分类,预测员工离职。研究的主要内容包括数据预处理、单分类器模型建立以及通过剪枝、组合等手段优化模型,提高预测准确性。论文针对员工离职数据集进行数据预处理,模型建立等数据挖掘手段。数据预处理,采用数据离散化,删除数据冗余属性等方法优化数据集,之后采用有放回抽样的方法克服非均衡数据集问题。在此数据集上对比使用ID3算法、C4.5算法建立单棵决策树分类器,之后使用组合分类器bagging算法在单棵决策树的基础上构建组合分类器提高预测效率,预测员工离职,评估企业用人风险。具体来说,本文研究的内容主要有以下几个方面:(1)针对员工离职数据进行预处理。将连续数据离散化便于模型处理,填补或删除属性不全的样本,使用3种方法去除冗余属性,简化数据集。(2)处理数据非均衡问题。本文使用的数据集中正反样本比例近似为1:10,为典型非均衡数据集,采用抽样等方法将数据集处理为均衡数据集从而可以被经典模型使用。(3)建立单棵决策树模型。比较数据挖掘中2种经典的决策树分类算法,观察效率和准确率,并对决策树进行改进、剪枝和可视化操作。(4)建立组合分类器。使用bagging算法构建组合分类器方法观察准确率,使用加权投票的方式得出预测结果。通过对比实验效果,可以得知:在数据预处理阶段,删除无用和冗余的属性可以降低模型构建时间,而准确率变化不大,有效地降低了数据集的维度。在模型构造及分类预测阶段,剪枝操作可以有效简化决策树模型,而改进和组合可以提高预测的准确性。

关键词：数据挖掘决策树组合分类器非均衡数据集员工离职预测

基于Stacking算法的员工离职预测分析与研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

重庆工商大学学报（自然科学版） 2019年第1期36卷 117-123页

作者：李强翟亮兰州财经大学电子商务综合重点实验室兰州730020

针对员工离职会增加企业运营成本,降低企业盈利能力的问题,提出使用机器学习的离职员工预测算法;通过Stacking集成学习算法组合Adaboost和Random Forest基本算法构建LRA预测模型,实现对某企业的员工离职预测;实验结果显示,LRA模型的预... 详细信息

针对员工离职会增加企业运营成本,降低企业盈利能力的问题,提出使用机器学习的离职员工预测算法;通过Stacking集成学习算法组合Adaboost和Random Forest基本算法构建LRA预测模型,实现对某企业的员工离职预测;实验结果显示,LRA模型的预测准确率为89. 09%,相对于单一算法所构建验证的模型预测准确率明显提高,LRA模型的查准率、查全率以及F1度量指标证实模型的可行性与可靠性,通过对输入LRA模型的特征进行重要性排序,得到影响员工离职的主要因素有加班、工龄(0-3年)、收入、职业级别等,丰富已有研究的结论,有利于企业决策者,针对离职行为进行合理决策。

关键词： Adaboost Random Forest Stacking 员工离职预测主要因素

基于多种机器学习算法的员工离职预测模型对比及解释研究

在线全文

学校读者我要写书评

暂无评论

商讯 2021年第27期 189-191页

作者：乔源陈梦帆中央财经大学

人才是企业的核心,如何留住人才是人力资源的核心命题。基于此,文章首先建立了员工离职预测指标体系,接着使用7种机器学习方法对员工是否离职进行预测,并从准确率、F1得分、AUC、召回率、敏感度等五项评估指标进行综合评估。实证结果表... 详细信息

人才是企业的核心,如何留住人才是人力资源的核心命题。基于此,文章首先建立了员工离职预测指标体系,接着使用7种机器学习方法对员工是否离职进行预测,并从准确率、F1得分、AUC、召回率、敏感度等五项评估指标进行综合评估。实证结果表明:XGBoost算法具有高准确率和稳定性,较其他算法更优良。进而,文章采用cover准则对特征重要性进行了分析,员工是否离职决策更满足社会人假说,员工往往更倾向于追求自我实现和工作的自我契合,企业应优先满足员工社会层面的自我需求,有效防止员工离职。

关键词：机器学习算法员工离职预测特征重要性

基于Stacking集成学习的员工离职预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

辽宁工业大学学报（自然科学版） 2021年第3期41卷 157-160页

作者：李佳浩李昕褚治广辽宁工业大学计算中心辽宁锦州121001

通过对调查所得的数据集进行数据清理并进行数据进行分析,通过对数据进行分类组合的分析从而得到员工想要离职的一些主要风险,然后对员工的想要离职的因素进行分析,来帮助企业管理者制定相应的策略、来降低员工离职的风险。这个模型很... 详细信息

通过对调查所得的数据集进行数据清理并进行数据进行分析,通过对数据进行分类组合的分析从而得到员工想要离职的一些主要风险,然后对员工的想要离职的因素进行分析,来帮助企业管理者制定相应的策略、来降低员工离职的风险。这个模型很大程度上能帮助企业领导提前做出正确的领导决策,规避员工离职,降低公司的损失,留下优秀的员工。

关键词：员工离职预测决策树随机森林 Stacking LRA模型

基于改进XGBoost的企业员工离职预测模型

在线全文

学校读者我要写书评

暂无评论

信息技术 2021年第8期45卷 12-15,20页

作者：王瑞尹红强冰冰昆明理工大学机电工程学院昆明650500

建立企业员工离职预测模型找出有离职倾向的员工,可以提前采取有针对性的措施,降低人才流失对企业发展造成的影响。文中选取IBM Watson Analytics平台发布的数据集,建立基于改进XGBoost算法的模型并与未改进前的模型进行比较研究。结果... 详细信息

建立企业员工离职预测模型找出有离职倾向的员工,可以提前采取有针对性的措施,降低人才流失对企业发展造成的影响。文中选取IBM Watson Analytics平台发布的数据集,建立基于改进XGBoost算法的模型并与未改进前的模型进行比较研究。结果表明,改进后的模型在召回率以及AUC值指标上提高了100%和8%。

关键词：机器学习员工离职预测 XGBoost算法不平衡数据

基于Logistic回归与决策树的员工数据可视化与离职预测研究

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2023年第6期13卷 162-167页

作者：龚建伟张林锋佘奇根于放北京师范大学香港浸会大学联合国际学院理工科技学院广东珠海519087

通过对员工离职的数据集进行可视化,可以发现员工的离职与许多因素有关,这意味着运用机器学习方法对员工离职进行预测是可行的。实验对数据集中的文本内容进行赋值,并计算了不同因素与离职与否之间的相关系数。基于赋值后的数据集,构建... 详细信息

通过对员工离职的数据集进行可视化,可以发现员工的离职与许多因素有关,这意味着运用机器学习方法对员工离职进行预测是可行的。实验对数据集中的文本内容进行赋值,并计算了不同因素与离职与否之间的相关系数。基于赋值后的数据集,构建了逻辑回归模型,该模型可以根据给定的员工情况输出员工离职的概率。经对7种模型的优化与对比结果表明,优化后的决策树算法的准确性最高。

关键词： Logistic回归决策树机器学习员工离职预测

基于Flask的员工离职数据可视分析系统设计与实现

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2023年第9期13卷 1765-1772页

作者：陈志浩李玉曼何佳宇马萨里沐郑诗璇孟繁华北京信息科技大学计算机学院北京北京信息科技大学经济管理学院北京

本论文介绍了一个基于可视化分析技术的员工离职数据可视分析平台的开发,旨在预测员工离职并为企业提供科学直观的管理手段。通过使用随机森林模型进行员工离职预测,并结合多种图表数据挖掘,系统能够帮助企业管理者了解员工离职的原因... 详细信息

本论文介绍了一个基于可视化分析技术的员工离职数据可视分析平台的开发,旨在预测员工离职并为企业提供科学直观的管理手段。通过使用随机森林模型进行员工离职预测,并结合多种图表数据挖掘,系统能够帮助企业管理者了解员工离职的原因和规律,为人力资源管理提供决策支持。论文中详细介绍了随机森林模型的原理和优势,并验证了其在员工离职预测上的高准确率。可视化分析系统的功能需求包括员工离职时间规律观察、员工离职空间规律观察、预测模型可视化和交互体验优化等。系统通过图表展示了员工离职与各个变量之间的关联程度,包括时间规律、空间规律、员工满意度和绩效对离职的影响。此外,用户可以通过提交当期人力资源管理数据进行模型训练和预测,并通过邮件通知功能及时通知各部门领导有离职可能的员工。这个可视化分析平台为企业管理者提供了一个科学、直观且易用的数据分析工具,帮助他们更好地了解员工流动问题,提高企业的经济效益和运营稳定性。然而,系统仍存在一些局限性,未来的研究可以考虑引入其他更复杂的模型或算法来进一步提高预测准确性和泛化能力。

关键词： Flask 员工离职预测可视分析随机森林