基于特征分析的职工离职预测

• 作者: 王轶萌
• 来源期刊: 科技与创新
• 关键词: LightGBM 集成学习 职工流失 不平衡数据
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 理论探索
• 页码范围: 23-28
• 页数: 6页
• 分类号: F272.92
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2020.11.007

摘要

企业职工的离职不仅会造成企业业务和生产短时间内不可估量的缺失,也会增加不必要的成本.所以预测职工是否会离职,并对有离职倾向的职工加以引导显得极其重要.梳理总结以往职工离职预测的研究,发现大多是基于机器学习模型的选择与比较,忽视了数据预处理对模型性能的影响.因而基于特征提取和挖掘,提出以聚类标签作为特征,并构建了影响职工离职的其他重要特征,通过实验发现新构建的特征对模型性能的提升有较大帮助.除此以外,比较了多种不平衡数据的处理方式对模型结果的影响,最后根据实验结果识别影响职工离职的重要因素.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王轶萌	上海大学悉尼工商学院	1	0	0.0	0.0