基于Stacking算法的员工离职预测分析与研究

• 作者: 李强 翟亮
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: Adaboost Random Forest Stacking 员工离职预测 主要因素
• 年，卷（期）: 2019,（1）
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP391
• 字数: 5239字
• 语种: 中文
• DOI: 10.16055/j.issn.1672－058X.2019.0001.019

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李强	兰州财经大学电子商务综合重点实验室	35	51	4.0	5.0
2	翟亮	兰州财经大学电子商务综合重点实验室	3	12	2.0	3.0