| 基于Stacking算法的员工离职预测分析与研究 |
| |
| 引用本文： | 李强,翟亮.基于Stacking算法的员工离职预测分析与研究[J].重庆工商大学学报(自然科学版),2019,36(1):117-123. |
| |
| 作者姓名： | 李强 翟亮 |
| |
| 作者单位： | 兰州财经大学 电子商务综合重点实验室，兰州 730020 |
| |
| 摘 要： | 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 |
Analysis and Research on Employee Turnover Prediction Based on Stacking Algorithm |
| |
| LI Qiang,ZHAI Liang.Analysis and Research on Employee Turnover Prediction Based on Stacking Algorithm[J].Journal of Chongqing Technology and Business University:Natural Science Edition,2019,36(1):117-123. |
| |
| Authors: | LI Qiang ZHAI Liang |
| |
| Abstract: | |
| |
| Keywords: | Adaboost Random Forest Stacking employee turnover forecast main factor |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《重庆工商大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆工商大学学报(自然科学版)》下载免费的PDF全文 |
|
