李佳浩，李 昕，褚治廣

（遼寧工業(yè)大學 計算中心，遼寧 錦州 121001）

如今大公司的人員流失越來越嚴重，尤其是一些專業(yè)的員工。但是，擁有不同追求的員工往往不滿于現(xiàn)狀，抑或是因為種種的原因，缺乏與企業(yè)的溝通交流，一時選擇離職來解決問題[1]。員工的離職不僅會給公司帶來收益降低，而且會給企業(yè)發(fā)展帶來很多危害，比如商業(yè)機密的泄露，一些重要客戶的丟失，在市場中失去了企業(yè)競爭力。因此一種能夠提前洞悉員工離職想法的系統(tǒng)非常必要，通過IBM 公司提供的相關(guān)數(shù)據(jù)，對其進行大數(shù)據(jù)分析[2]。通過對數(shù)據(jù)進行數(shù)據(jù)清洗等預(yù)處理，數(shù)據(jù)可視化分析，本實驗用了一種基于 Stacking 集成算法Adaboost 和隨機森林算法一起構(gòu)建的一種LRA 員工離職傾向模型。學習數(shù)據(jù)中蘊含的規(guī)律，對員工離職因素數(shù)據(jù)集進行分析。最后對可能影響員工離職的重要因素進行分析，從而減少員工想要離職的想法，減少企業(yè)的不必要的經(jīng)濟損失、讓企業(yè)領(lǐng)導(dǎo)者做出正確的決定，來減少想要離職的員工人數(shù)[3]。

1 算法介紹

1.1 Adaboost 算法

Adaboost 是Boosting算法中最具有代表性的一種算法之一。算法過程如下:

假設(shè)訓練集

M為樣本的個數(shù)，（其中，i=1,2,...,M）。

帶有權(quán)值分布的Dm訓練數(shù)據(jù)集，在第m次運算后得到的基本分類器其中，m代表次數(shù))。

計算Gm(x)的分類誤差：

計算Gm(x)的系數(shù)：

更新訓練集的權(quán)限分布：

其中，i=1,2,...,M，Zm是規(guī)范化因子，

其目的是得到最終分類器，

線性組合f(x)實現(xiàn)M個基學習器的加權(quán)表決，αm表示基本分類器Gm(x)的重要程度[4]。

1.2 隨機森林算法

設(shè)樣本有M個特征，隨機森林隨機抽取了K個 bootstrap 數(shù)據(jù)集，對應(yīng)有K個 OOB 數(shù)據(jù)集，特征重要性排序的步驟如下：

（1）初始化k=1；

（2）使用第k個 bootstrap 數(shù)據(jù)集，訓練決策樹TK，計算第k個 OOB 數(shù)據(jù)集的分類準確率L_K^OOB；

（3）對OOB 數(shù)據(jù)集中的特征Xi,i=1,2,3...M施加擾動，重新計算準確率L_(K,I)^OOB；

（4）對于k=2,3,...K重復(fù)步驟(2)(3)；

（5）計算特征重要性；

（6）對PI 降序排列，得到特征重要性排序，排名靠越前重要性越高[5]。

根據(jù)分類器特性及總特征個數(shù)設(shè)定特征數(shù)目上限，依據(jù)特征重要性排序，使用序列前向選擇法，每次無放回地選取排序最前的特征加入特征子集，計算子集分類準確率，直到達到特征數(shù)目上限,最后選出分類效果好且特征數(shù)目少的最優(yōu)特征集[6]。

2 數(shù)據(jù)分析

對一些重要的變量進行快速可視化及探索性分析，特別是與基礎(chǔ)信息、收入、晉升、快樂的程度、家庭幸福、工作的熱愛度。對數(shù)據(jù)集的特征屬性進行匯總，將變量屬性人為分為以下幾類：

（1）基礎(chǔ)屬性：Age（年齡）、Gender（性別）、Education（學歷）、EducationField（學歷專業(yè)）、MaritalStatus（婚姻情況）；

（2）年齡與工作時間掛鉤：Age（年齡）、NumCampaniesWorked（任職企業(yè)數(shù)量）、YearsAtCompany（在目前公司工作年數(shù)）、TotalWorkingYears（總工齡）；

（3）工作部門等：Department（部門）Jobrole（職位）JobLevel（職位等級）；

（4）探索收入、投入等：OverTime（是否加班）、HourlyRate（時息）、DailyRate（日息）、MonthlyRate（月息）、MonthlyIncome（月收入）、JobInvolvement（工作投入）；

（5）員工對環(huán)境等滿意度：EnviromentSatisfa ction（環(huán)境滿意度）、JobSatisfaction（工作滿意度）、RelationshipSatisfaction（關(guān)系滿意度）；

（6）員工所受福利等：PerformanceRating（績效評估）、StockOptionLevel（員工優(yōu)先認股權(quán)）、PercentSalaryHike（工資漲薪百分比）、TrainingTimesLastYear（上一年培訓次數(shù)）、YearsSinceLastPromotion（距離上次升職時長）；

（7）工作和生活平衡相關(guān)：OverTime（是否加班）、Balance（工作與生活平衡情況）、DistanceFromHome（離家距離）、BussinessTravel（商務(wù)出差頻率）。

員工對環(huán)境等滿意度的分析，如圖1 所示。

圖1 員工職業(yè)關(guān)系環(huán)境滿意度對離職影響圖

從圖中可看出：滿意度的觀察結(jié)果來說比較直接，3 個滿意度變量都顯示了低滿意度是離開的原因。

員工所受福利數(shù)據(jù)探索性分析，如圖2 所示為員工績效分布圖。

功績越低或越高 越有可能離職。員工績效對于員工的離職有著很大的影響，如圖2、圖3 所示。

圖2 員工績效分布圖

圖3 員工績效分布圖

工作和生活平衡相關(guān)數(shù)據(jù)探索性分析，如圖4所示。

由圖3 可知，沒有員工優(yōu)先認股權(quán)的員工流失率較高；上一年沒有參與培訓的員工流失率高，但相對其他有參與培訓的員工的并不算特別高。從加薪、培訓、和升職的角度看，好像并沒有很強的關(guān)系說明能夠影響員工的流失，也許正是因為這些手段在員工看到是理所當然的，應(yīng)有的福利回報，或許有可能給得越多員工可能還是認為不夠，適得其反。反觀員工優(yōu)先認股權(quán)對于員工來源是有效的手段，有認股權(quán)的員工相對來說較穩(wěn)定，因為那是未來觸手可及的利益，有利益的捆綁，重點在于捆綁。

由圖4 可知，經(jīng)常加班的員工相對于不加班的員工流失率非常高；認為工作與生活平衡水平為1的員工流失率較高；頻繁出差的員工流失率較高；距離家較遠的員工流失率較高[7]。加班是最為影響生活質(zhì)量的因素，其結(jié)果也是最明顯，在加班與不加班的員工中，流失率的差異非常大；工作與生活較不平衡的員工流失率也會高一點；出差比較頻繁的員工也容易流失，上班距離較遠的員工也容易流失，總體而言，工作與生活的平衡這一類因素對員工流失的影響較為嚴重[8]。

圖4 工作和生活平衡與員工離職關(guān)系圖

由此方法可以刪選得到DistanceFromHome（離家距離）、Age（年齡）等20 個特征屬性。

3 結(jié)果分析

通過得到的實驗結(jié)果報告數(shù)據(jù)顯示，Adaboost 和隨機森林模型準確率比Stacking 算法構(gòu)建的 LRA 模型所得到的預(yù)測結(jié)果準確率要低很多，從得到的實驗結(jié)果上直觀的證明了采用Stacking 算法構(gòu)建的 LRA 模型可行性[9]。相對于決策樹，隨機森林，Adaboost 這3 個單獨模型，LRA 的準確率，查準率，查全率和F1度量都效果優(yōu)秀。各模型標準值如表1 所示。

表1 各模型的指標值

從查全率來看：決策數(shù)模型最低，為 20.43%;LRA 模型最高為54.38%，Adaboost 第二為46.53%，隨機森林為22.36%，LRA 模型、Adaboost、隨機森林的查全率均高于決策樹模型[7]。從查準率來看：決策數(shù)模型最低為 19.10%;LRA 模型最高為55.67%，Adaboost 其次為46.59%，隨機森林為43.67%，LRA 模型、Adaboost、隨機森林的查準率均高于決策樹模型。因此LRA 模型的穩(wěn)健性更好，所以可以使用LRA 模型進行員工離職預(yù)測[10]。對離職有影響的因素為：薪資高低，福利待遇，假期長短，工作時間長短，加班時間等[11]。員工想要離職的想法和這些因素息息相關(guān)。因此企業(yè)管理者可以從這幾個主要方面入手，根據(jù)員工需求來解決問題，更好地滿足員工的條件。

(1) 減少員工加班時間，多給員工減壓。

(2) 適當時間找員工談話，滿足員工的一些需求。

(3) 適當提高待遇，給予員工股份，來獎勵員工。

(4) 平衡工作和家庭生活的關(guān)系，讓員工沒有后顧之憂。

(5) 完善一些制度，提升員工對企業(yè)的歸屬感，降低員工離職的傾向。

4 結(jié)論與展望

本文主要研究數(shù)據(jù)挖掘中的分類算法在員工離職預(yù)測中的應(yīng)用，通過對初始數(shù)據(jù)集進行去重、刪除冗余屬性、連續(xù)屬性離散化等數(shù)據(jù)預(yù)處理來精簡優(yōu)化數(shù)據(jù)，提高模型構(gòu)建效率。之后通過有放回抽樣的方式處理非均衡數(shù)據(jù)集，重構(gòu)數(shù)據(jù)集獲得均衡數(shù)據(jù)集用以模型的訓練。本文從實際場景數(shù)據(jù)出發(fā)，對數(shù)據(jù)進行預(yù)處理。為核心算法提供干凈、更具針對性、符合算法模型要求的數(shù)據(jù)集，把一些和數(shù)據(jù)分析無關(guān)的屬性特征刪除，去除冗余和不完整數(shù)據(jù)為數(shù)據(jù)挖掘提供更好的，更符合需求的高質(zhì)量數(shù)據(jù)。數(shù)據(jù)進行探索性分析。對一些重要的變量進行快速可視化及探索性分析，特別是與基礎(chǔ)信息、收入、晉升、滿意度、績效和工作與生活平衡等相關(guān)的變量。對數(shù)據(jù)集的特征屬性利用R 語言進行匯總構(gòu)圖。做數(shù)據(jù)可視化處理。選用分類算法進行預(yù)測，選擇其中常用的決策樹作為基分類器模型，以隨機森林、Adaboost 作為初級分類器，Logistic 作為次級分類器，折交叉驗證構(gòu)建模型并構(gòu)建的LRA員工離職預(yù)測模型，達到預(yù)測員工離職的目的。這對公司人力資源分配具有意義，員工離職預(yù)測結(jié)果可以作為公司人力資源對員工離職判斷的輔助手段，有利于公司做出正確的決策[9]。