文献类型：期刊文章

作　　者：李强[1] 翟亮[1]

LI Qiang;ZHAI Liang(Key Laboratory of E-commerce,Lanzhou University of Finance and Economics,Lanzhou 730020,China)

机构地区：[1]兰州财经大学电子商务综合重点实验室,兰州730020

出　　处：《重庆工商大学学报（自然科学版）》

基　　金：甘肃省自然科学基金(17JR5RA179);甘肃省高等学校科研项目(2017B-43);高等教育教学改革研究项目(LJZ201701);兰州财经大学校级科研项目(LZUFE2018C-0S)

年　　份：2019

卷　　号：36

期　　号：1

起止页码：117-123

语　　种：中文

收录情况：JST、普通刊

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  

分 类 号：TP391]