人才的流失尤其是關(guān)鍵人才的流失將對企業(yè)造成很大影響。企業(yè)的關(guān)鍵技術(shù)、管理運(yùn)營體系、客戶資源等一般上都被關(guān)鍵人才所掌握,因而他們的離職不僅會造成企業(yè)業(yè)務(wù)和生產(chǎn)短時間內(nèi)不可估量的損失,也會增加不必要的成本^[1]。所以預(yù)測出員工離職的概率,對那些有離職傾向的人員加以引導(dǎo),避免人才流失,變得極其重要^[1]。應(yīng)用機(jī)器學(xué)習(xí)算法和統(tǒng)計學(xué)相關(guān)知識計算員工離職的概率,探索哪些因素是導(dǎo)致離職的決定性因素及其對應(yīng)的影響關(guān)系,從而可以推斷出哪些人最有離職的傾向,企業(yè)就可以提前作出應(yīng)對策略,盡量的避免這種事情的發(fā)生,同時調(diào)整公司的用人制度和政策,如果員工離職純屬個人原因,公司應(yīng)該提前準(zhǔn)備后備人才,以便隨時可以頂崗,公司不會因個別人才的流失而受到難以補(bǔ)救的損失。凡事預(yù)則立不預(yù)則廢,從數(shù)據(jù)中看到更深的層次,挖掘出內(nèi)在的問題,從而提前采取措施,可以避免造成更多的損失�！北疚尼槍ζ髽I(yè)員工離職的預(yù)測分析問題,利用機(jī)器學(xué)習(xí)的梯度提升分類樹（GBDT）算法構(gòu)建員工離職預(yù)測模型,預(yù)測企業(yè)員工是否會離職,并且分析總結(jié)出影響員工離職的幾種重要因素,比如薪資水平,年齡等,為企業(yè)做出預(yù)警,輔助...

【文章頁數(shù)】：43 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3仿真預(yù)測值和實際值的對比圖

較明顯，但是預(yù)測值普遍小于實際值。根據(jù)表中結(jié)果計算可以得知12個測試樣本的實際最優(yōu)方案預(yù)測結(jié)果的MAPE平均值為2.20%，但預(yù)測值普遍高于實際值，說明神經(jīng)網(wǎng)絡(luò)模型在預(yù)測員工離職對企業(yè)業(yè)績影響時模型參數(shù)的最優(yōu)化過程需要調(diào)整。由預(yù)測值對比結(jié)果看出在預(yù)測模型參數(shù)擇優(yōu)方法的問題上還需要....

圖2SHAP特征交互圖

gbe,Mingle.Abusivecustomerbehaviourandfront-lineemployeeturnoverintentionsinthebankingindustry:Themediatingroleofemployeesatisfaction[J].Cog....

圖1 改進(jìn)的不平衡數(shù)據(jù)分類方法

神經(jīng)網(wǎng)絡(luò)的層數(shù)為三層，設(shè)隱含層神經(jīng)元個數(shù)n2,輸入層神經(jīng)元個數(shù)為n1,取n2=2n1+1。②SVM。

圖2 改進(jìn)前后模型的AOC曲線和AUC值

基于改進(jìn)XGBoost建立的模型在準(zhǔn)確率、精確率、召回率、AUC值指標(biāo)上相對于改進(jìn)前的模型分別提高了9.2%、35.9%、100%、8%,對企業(yè)而言，更關(guān)心的是能否找到有離職傾向的員工，如若將有離職傾向的員工預(yù)測為沒有離職傾向的員工，會導(dǎo)致無法及時發(fā)現(xiàn)企業(yè)中存在的問題并造成崗位的....

本文編號：4039368