基于XGBoost的员工离职预测及特征分析模型

• 作者: 王志宁
• 来源期刊: 数字技术与应用
• 关键词: 机器学习 离职预测 XGBoost算法 SHAP
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 学术论坛
• 页码范围: 193-196
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2021.03.62

摘要

随着人力资源管理数据化的价值不断凸显,员工离职预测问题成为人力资源管理的新方向.首先,以数据科学竞赛平台Kaggle中的员工分析数据集为研究对象,进行预处理;其次,建立XGBoost员工离职预测模型,结合评价指标分析模型效果,并与Logistic、朴素贝叶斯、支持向量机算法进行对比分析,证明XGBoost模型在准确率(Accuracy)、F1值和AUC值三项指标上的优势;最后,运用SHAP方法分析影响员工离职决策的重要因素,为员工的管理及留任提供决策支持.