对数学建模感兴趣?不如先来实践一下!|《企业员工离职影响因素分析与预测研究》
很多同学在留学准备前期都经常很迷茫,对申请目标,甚至未来职业发展方向都拿不定主意,不知道要如何选择。想提前通过实习来进行全方位的了解,但无奈实习试错机会少,而通过项目实战,却是个高性价选择。
通过精心设计的项目,可以了解业界常规的作业模式,进行类似实践,这对发现职业兴趣、提升相关技能、积累实操经历都非常有益。
PROGRAM
随着经济的高速发展和就业选择机会的增多,很多企业会面临员工流失的问题,从而对业务、成本、团队稳定和核心技术等造成负面影响。企业员工流动率高,优秀员工的频繁离职必然会带来公司经济效益的损失,因此把握企业员工离职动向、了解员工离职原因对企业制定人才挽留措施,提高人力资源合理配置与管理有着积极作用。
数据挖掘技术迅速发展,已广泛应用于金融、生物工程、工业工程等各领域,应用数据挖掘技术对企业人力资源信息进行深入探索,挖掘员工离职的潜在原因和预测员工离职倾向,可以为企业人力资源管理者制定决策提供参考建议。
根据本次赛题所提供的数据主要解决以下问题:
一、探究各个因素对于员工离职的影响判断,去掉无用的维度因素,分析各个有效维度因素是如何影响员工离职的,如:是否年龄越大的员工越有可能发生离职;
二、根据所给数据搭建员工离职预测模型,可以根据输入员工的相关信息达到提前预测员工离职意愿来预知是否离职。
优秀学员报告节选展示(左右滑动,放大查看)
从展示的数模论文来看,可以看到X同学有以下几点可圈可点:
从整体论文中可以看到X同学对于数模算法包括机器学习算法掌握的是很不错的,可以将相关分析、卡方检验、T检验、逻辑回归、决策树、随机森林、XGBoost等算法应用到实际中,并且可以很好的应用他们解决不同的问题;
值得一说的是本次题目中需要用到比较多的机器学习算法,而之前数模课程并没有讲述所需知识,X同学通过自己的学习掌握了决策树、随机森林、XGBoost模型并且得到不错的效果,为了接近样本不均衡的问题还学习了SMOTE过采样的方法来提升模型的精准度;
在工具的使用方面也是可圈可点的,使用了SPSS完成正态检验、T检验、卡方检验等统计分析,除了课程教授的MATLAB还额外学习了python编程完成了对于图表的可视化操作以及多种机器学习模型的构建与评价。
学习过程(点击放大)
项目背书
报名信息
7月19日开营
仅限12个名额
7月19日开营
仅限12个名额
扫码报名,先到先得
微信扫码关注该文公众号作者