基于集成学习的信息化人才工作变更行为研究

王有刚 杨浩杰 张子振

(安徽财经大学 安徽 蚌埠 233030)

在大数据时代背景下，从事数据科学工作的信息化人才，是数据时代急需的关键性人才，他们的工作至关重要。信息化人才在城市建设和企业发展中起重要作用。人力资源管理部门利用获取的数据使用集成学习模型，对信息化人才的数据进行分析，预测他们的工作变更意愿，可以更有效的帮助企业组织实现对信息人才的管理和配置，进一步提高企业人力资源管理的效率。本文使用了kaggle竞赛网站的从事数据科学的信息人才工作变更数据，构建了集成学习模型，并对模型的预测能力进行了评估。

根据已有的数据，运用机器学习的一系列算法和Stacking模型融合的思想将Adaboost、XGboost、LightGBM四种集成模型作为第一层基学习器，第一层四个基学习器依次训练，产生的数据作为样本使用第二层的简单的逻辑回归模型训练再预测，从而得到完整的Stacking模型预测结果，相比于之前单个模型，进一步提高了模型的预测准确度。通过该模型可以辅助人力资源管理部门对信息人才的工作变更意向进行有效的预测。目前，对企业确定员工就业意向方面的问题有许多研究，主要根据员工工作质量、员工工作满意度、工作压力、工作绩效管理等方面预测员工就业和离职倾向。Esch等探讨了求职者对人工智能支持的求职系统的看法以及这些观点是否会影响他们在这种情况下申请工作的可能性。[1]Li等通过对求职者在互联网发布的求职简历，提出了一种结合五因素人格问卷、支持向量机(SVM)和多准则决策(MCDM)的方法来提高招募合适人选的质量。……