鄭 健, 劉人境

(西安交通大學(xué) 管理學(xué)院,陜西 西安 710049)

0 引言

中國的電力行業(yè)是國民經(jīng)濟支柱產(chǎn)業(yè)，電力行業(yè)工作穩(wěn)定、薪資福利待遇好，從而吸引了大量的人才涌入電力行業(yè)。然而，隨著電力行業(yè)不斷深化改革，電力企業(yè)人才流失的問題也日益嚴(yán)重。特別是在中國西部偏遠地區(qū)，由于其環(huán)境惡劣、待遇較低，電力企業(yè)員工離職情況較為嚴(yán)重，不利于電力企業(yè)的可持續(xù)發(fā)展。因此，精準(zhǔn)地預(yù)測離職人員成為電力企業(yè)亟需解決的一大難題[1]。而中國西部地區(qū)的特殊性(如薪資待遇較低、海拔較高、氣候較差等)[2]，很大程度上決定了其電力企業(yè)員工離職的影響屬性偏好不同于其它地區(qū)，為響應(yīng)“一帶一路”發(fā)展戰(zhàn)略，促進西部大發(fā)展，對中國西部偏遠地區(qū)電力企業(yè)員工離職進行預(yù)測迫在眉睫。

離職分為被動離職和主動離職兩種，其中被動離職是指員工非自愿的、被所在組織強制的離職，主動離職是指員工根據(jù)自己的立場或意愿而自愿做出的離職，一般稱為辭職。員工的被動離職較易管控，因而本文聚焦于員工的主動離職。青海省電力公司員工離職預(yù)測是一個二分類問題[3]，分別為離職和不離職。同時，青海省電力公司離職員工占總員工數(shù)量的比例較低，數(shù)據(jù)集的分布極不平衡，其員工離職預(yù)測需要處理不平衡數(shù)據(jù)這一問題。

國內(nèi)外員工離職預(yù)測研究的方法主要有傳統(tǒng)統(tǒng)計方法和機器學(xué)習(xí)方法。傳統(tǒng)統(tǒng)計方法主要包括回歸分析、因子分析、判別分析函數(shù)、描述性統(tǒng)計分析等。Miller等使用多項logit模型預(yù)測1576名佛羅里達從事特殊教育行業(yè)的教師的離職率[4]。Yildiz等以序貫回歸模型得到護士離職的顯著預(yù)測因子，并對護士離職情況進行預(yù)測[5]。Stokes等運用因子分析得到7個員工離職影響因子以及建立判別函數(shù)確定員工離職的最佳預(yù)測因子[6]。Liss等采用重采樣的方法調(diào)查10246名長期受雇的國家衛(wèi)生機構(gòu)中央辦公室雇員，并運用Logistic回歸模型預(yù)測其離職概率[7]。Masum等采用描述性統(tǒng)計方法分析土耳其大型民營醫(yī)院417名護士離職的影響因素，并運用logistic回歸方法預(yù)測護士離職率[8]。周戀等運用協(xié)方差和回歸分析的方法，預(yù)測工會組織中員工離職傾向[9]?；趥鹘y(tǒng)統(tǒng)計方法的員工離職預(yù)測模型通常要對樣本數(shù)據(jù)集進行較為嚴(yán)格的假設(shè)，例如正態(tài)分布和線性關(guān)系等，這在一定程度上影響了模型的適用性和應(yīng)用效果，導(dǎo)致預(yù)測精度不佳。

機器學(xué)習(xí)方法主要指借助計算機可以自動“學(xué)習(xí)”的算法，以決策樹(Decision Tree，DT)、遺傳算法(Gene Algorithms，GA)、支持向量機(Support Vector Machine，SVM)、隨機森林(Random Forest，RF)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)最為著名。Quinn等利用ANN方法對社會工作者和主管人員進行離職預(yù)測[10]；Tzeng等采用SVM算法預(yù)測護士離職意愿，從而建立人力資源管理預(yù)警機制的新途徑[11]；Zhao和Liu引入潛在SVM建立了離職率預(yù)測模型，采用混沌算法和遺傳算法對SVM模型的參數(shù)進行優(yōu)化，實驗結(jié)果表明所建模型具有較強的泛化能力和特征選擇能力[12]。Asensio-Cuesta等運用一種人機工程學(xué)和能力標(biāo)準(zhǔn)結(jié)合的GA算法預(yù)測員工離職情況[13]。Yunmeng和Chengyi考慮對員工不同特征的分類，利用K-means對員工進行分類，然后利用DT算法對離職率進行預(yù)測，通過區(qū)分不同類型的員工來提高預(yù)測的準(zhǔn)確性[14]。李強和翟亮通過Stacking集成學(xué)習(xí)算法組合Adaboost和RF算法構(gòu)建預(yù)測模型，實現(xiàn)對某企業(yè)的員工離職預(yù)測[15]。隨著機器學(xué)習(xí)算法的快速發(fā)展，RF算法逐漸運用到員工離職預(yù)測中。RF的提出者Breiman指出RF明顯優(yōu)于單個分類決策樹模[16]。Punnoose和Ajit對員工流失率展開預(yù)測研究，比較了7種不同的機器學(xué)習(xí)算法的預(yù)測能力，發(fā)現(xiàn)RF算法無須對數(shù)據(jù)樣本標(biāo)準(zhǔn)化預(yù)處理，且比SVM、單一DT以及Logistic回歸有更高的準(zhǔn)確率[17]。Sikaroudi等使用10種不同的數(shù)據(jù)挖掘算法進行了模擬來預(yù)測員工離職率，結(jié)果表明RF性能明顯優(yōu)于ANN、SVM等方法[18]。機器學(xué)習(xí)方法提升了員工離職預(yù)測的效率和精度。然而，上述研究在員工離職預(yù)測方面仍存在一定的局限性：(1)對不平衡數(shù)據(jù)考慮不足。員工離職與未離職數(shù)據(jù)常常表現(xiàn)為不平衡數(shù)據(jù)，即多數(shù)類和少數(shù)類存在比例失衡，上述機器學(xué)習(xí)方法容易忽略少數(shù)類的特征，導(dǎo)致分類結(jié)果存在較大偏差。(2)預(yù)測精度還不是很理想。如DT算法無法賦予每個樣本不同的歸屬度，ANN相關(guān)算法的分類過程是一個“黑箱”過程，GA算法無法體現(xiàn)樣本對于分類結(jié)果的歸屬度等等，都會影響到算法的預(yù)測效果。(3)缺乏特征排序。企業(yè)需要根據(jù)特征的重要性排序來識別其關(guān)鍵特征，從而為防止員工流失制定相關(guān)策略。

從上述研究也能發(fā)現(xiàn)隨機森林算法在員工離職預(yù)測中性能具有優(yōu)越性，但當(dāng)處理不平衡數(shù)據(jù)集時，它的優(yōu)越性就會降低。近年來，以Breiman[16]、應(yīng)維云[19]等為代表的國內(nèi)外學(xué)者針對不平衡數(shù)據(jù)問題，對隨機森林算法進行了改進研究，主要體現(xiàn)在加權(quán)隨機森林和平衡隨機森林算法兩個方面。加權(quán)隨機森林通過引入代價敏感學(xué)習(xí)，使得隨機森林中的決策樹在學(xué)習(xí)過程中產(chǎn)生分類器的效率更高；平衡隨機森林算法主要是采用隨機抽樣、重采樣等技術(shù)對不平衡數(shù)據(jù)集進行處理，從而使隨機森林算法具有更強的抗噪性，達到更好的運算效率和預(yù)測效果。上述兩種改進的隨機森林算法在處理不平衡數(shù)據(jù)集體現(xiàn)出更好的性能，但仍存在一定的局限。具體表現(xiàn)為：加權(quán)隨機森林為少數(shù)類的誤分類設(shè)置了更大的懲罰因子，并且需要遍歷整個訓(xùn)練集，導(dǎo)致其在解決大規(guī)模不平衡數(shù)據(jù)時效率低下；另外，該算法為少數(shù)樣本設(shè)置權(quán)重，降低了其抗噪性。平衡隨機森林算法需要使用采樣技術(shù)使訓(xùn)練的新焦點集中在大多數(shù)具有少數(shù)樣本大小的類，在從少數(shù)類中選擇一定數(shù)量的樣本后，還要從大多數(shù)類中提取相當(dāng)數(shù)量的樣本，這將使大多數(shù)類中的許多樣本無法再使用，從而造成了大部分類信息的丟失。

基于上述分析，本文引入?yún)^(qū)間變量(Interval Variables，IV)，提出一種基于區(qū)間變量RF算法，該算法結(jié)合了代價敏感學(xué)習(xí)和抽樣技術(shù)，能夠有效地解決不平衡數(shù)據(jù)集問題。本研究將該算法應(yīng)用于我國青海省電力公司的2009～2017年的人力資源數(shù)據(jù)集，驗證了該算法的有效性以及對不平衡數(shù)據(jù)集的預(yù)測性能。大量實驗表明，本文提出的區(qū)間變量RF算法在預(yù)測電力企業(yè)員工離職問題上具有更好的性能。本研究的主要貢獻有：(1)提出了基于區(qū)間變量RF的員工離職預(yù)測算法，并以我國青海省電力公司的員工數(shù)據(jù)集進行了驗證，結(jié)果表明該算法預(yù)測不平衡數(shù)據(jù)是有效的。(2)與DT、SVM和RF算法相比，該算法在預(yù)測員工離職方面的各項指標(biāo)都有顯著的提升。(3)指出了青海省電力公司員工流失的主要因素，為人力資源部門減少員工離職提供了指導(dǎo)，并對其他行業(yè)的員工管理也有一定的參考價值。

1 研究方法

1.1 隨機森林算法

在隨機森林算法中，每一棵決策樹都是一個分類器，就分類問題而言，將一個數(shù)據(jù)樣本輸入到隨機森林算法中，N棵樹則會產(chǎn)生N個分類的結(jié)果；隨機森林集成多個弱分類器的分類結(jié)果，再通過投票或者取均值的方式形成最終分類結(jié)果，使整個隨機森林模型的分類結(jié)果具有更高的泛化能力和精確度。隨機森林能夠取得不錯的分類效果，主要歸功于“隨機”和“森林”，前者使它具有抗過擬合能力，后者使它更加精準(zhǔn)。

隨機森林算法通常采用基尼指數(shù)(Gini index)作為評價指標(biāo)來衡量。在隨機森林算法中，用VIM表示變量重要性評分(Variable Importance Measures)，用GI來表示Gini指數(shù)，假設(shè)有m個特征：X1，X2，X3，…，Xm，通過計算出每個特征Xj的Gini指數(shù)評分VIMj(Gini)，即可得到各個特征變量的重要性。具體步驟如下：

(1)樣本中各個特征變量的Gini指數(shù)為

(1)

其中，K表示有K個類別，pmk表示節(jié)點m中類別k所占的比例。

(2)節(jié)點t分枝前后的Gini指數(shù)變化量表示特征指標(biāo)Xj在節(jié)點t的重要性，則重要性為

(2)

其中，GIl和GIr分別表示分枝后兩個新節(jié)點的Gini指數(shù)。

(3)若特征變量Xj在決策樹i中出現(xiàn)的節(jié)點在集合T中，則Xj在第i顆樹的重要性為

(3)

(4)假設(shè)RF中共有n顆決策樹，則各個特征變量的重要性為

(4)

1.2 改進的隨機森林算法

本文在隨機森林算法的基礎(chǔ)上，充分整合加權(quán)隨機森林和平衡隨機森林的優(yōu)勢，集成代敏感學(xué)習(xí)技術(shù)和抽樣技術(shù)，能夠有效處理不平衡數(shù)據(jù)集。本文構(gòu)建的IVRF算法：通過引入?yún)^(qū)間變量，保證在隨機森林算法的每一次迭代中的不同類能夠隨機分布，從而使得算法具有更高的抗噪性，在不平衡數(shù)據(jù)預(yù)測方面具有更高的預(yù)測效率和精度；賦予“多數(shù)類”和“少數(shù)類”樣本相應(yīng)的權(quán)重，改變類的分布，并對錯分的小類樣本設(shè)置更重的懲罰因子；構(gòu)造非剪枝分類樹的一般方法是計算所有特征的信息熵，將信息量最大的特征作為分類節(jié)點。然而，本文構(gòu)造的IVRF并不是搜索所有特征來生成樹的某一層，而是先隨機選擇特征，然后根據(jù)這些特征生成樹的特定層，以減少分類誤差?；趨^(qū)間變量的隨機森林算法實施步驟如下：

Step1輸入訓(xùn)練樣本集D=(X1,Y1)，(X2,Y2)，…，(Xn，Yn)，其中Xi是一個指示向量，Yi是相應(yīng)的分類目標(biāo)，i=1,…,n。

Step2將數(shù)據(jù)集分為第I類和第II類兩個子集，第I類包含所有不離職的員工樣本(即正類)，第II類包含所有離職的員工樣本(即負類)。

Step3引入?yún)^(qū)間變量e和f，在區(qū)間e-f/2和e+f/2之間產(chǎn)生隨機分布變量α，其中e是區(qū)間的中點，f是區(qū)間的長度。

Step4從第II類訓(xùn)練集D2中可重復(fù)性地隨機抽取nα樣本，從第I類訓(xùn)練集D1中可重復(fù)性地隨機抽取n(1-α)樣本。

Step5對第II類賦以w1權(quán)重，對第I類賦以w2權(quán)重，其中w1=1-α，w2=α。

Step6構(gòu)造非剪枝分類樹，隨機選取mtry個特征，并依據(jù)這些特征生成樹的某一層。其中，mtry表示在每個節(jié)點用于生成樹的某一層的特征數(shù)。

Step7輸出：輸出最終排序T。賦值第I類樣本為1，第II類樣本為-1。將所有樣本按照負分排序，越多樹將樣本歸為第II類，樣本的負分越高。樣本的負分可被視為將樣本分類為II類的所有樹的數(shù)量以及輸出的最終排名，更有可能離職的員工在樣本輸出結(jié)果中排名越高。

1.3 算法評價指標(biāo)

分類算法通常采用分類的準(zhǔn)確率作為衡量算法性能的主要指標(biāo)，然而針對不平衡數(shù)據(jù)集而言，準(zhǔn)確率不能很好地反映出少數(shù)類的分類效果和精度。因此，本研究詞語混淆矩陣及AUC值衡量分類算法性能，混淆矩陣如表1所示。

表1 混淆矩陣

通過混淆矩陣的分析和計算，可以得到以下指標(biāo)：

(1)精確率

Precision=TP/(TP+FP)

(5)

(2)靈敏度

Recall=TP/(TP+FN)

(6)

(3)F1-Score

F1=2R/(R+P)

(7)

此外，AUC(Area Under ROC)表示ROC曲線下的面積，AUC值越大表示該分類算法區(qū)分正例和負例的能力越強?；诖耍狙芯坎捎肞recision、Recall、F1、AUC作為不平衡數(shù)據(jù)集分類算法評價的主要指標(biāo)。

2 數(shù)據(jù)來源及預(yù)處理

2.1 數(shù)據(jù)來源

本文采用青海省電力公司2009～2017年的人力資源數(shù)據(jù)集進行實驗，該數(shù)據(jù)集有2666條記錄，每條記錄有20個字段，包括數(shù)值型和文本型。該數(shù)據(jù)集中約有9%的樣本屬于離職人員，定義為第II類樣本，其余樣本定義為第I類樣本。其中第I類和第II類的樣本數(shù)量比例約為11:1，屬于不平衡數(shù)據(jù)集。

2.2 數(shù)據(jù)預(yù)處理

(1)屬性選擇

本文采用的樣本中每一條數(shù)據(jù)有20個字段，在該公司相關(guān)專家的指導(dǎo)下，刪除姓名、工號、身份證號等明顯與分類預(yù)測不相關(guān)的字段。參考應(yīng)維云的做法[19]，進一步刪除大于30%的缺失值的字段。通過這兩次刪除，我們共保留了2494條記錄，每一條記錄均由13個字段構(gòu)成，其中前12個字段是青海省電力公司離職人員的影響因素，作為員工離職特征變量。最后一個字段表示已知的員工是否離職情況，分為“否”和“是”兩個情況，作為分類標(biāo)簽。最后，對每個字段進行編號，編號x1～x12分別對應(yīng)字段名稱為“所屬單位類型”，“性別”，“婚姻狀況”，“所在區(qū)域類型”，“生源地”，“政治面貌”，“畢業(yè)學(xué)校類別”，“最高學(xué)歷”，“最高職稱”，“所學(xué)專業(yè)”，“初次配置崗位類別”，“離職前工作地區(qū)”；編號y對應(yīng)字段名稱為“離職情況”。

(2)屬性值處理

該數(shù)據(jù)集中的13個特征變量均為離散型變量，在進行實驗前，還需要對數(shù)據(jù)集進行標(biāo)準(zhǔn)化處理，針對離散型變量使用數(shù)值{1，2，3，…}表示。如單位類型：供電企業(yè)=1，科研單位=2，其他業(yè)務(wù)單位=3，施工單位=4；性別：男=1，女=2；其余特征變量也依此方法設(shè)置。其中，數(shù)字大小僅代表類別的不同，不代表大小。

(3)歸一化處理

在機器學(xué)習(xí)算法中，為保證最終預(yù)測結(jié)果不受屬性值之間差異的影響，需要對各個特征變量的屬性值進行歸一化處理。具體如式(8)所示，進行歸一化處理后的數(shù)據(jù)將統(tǒng)一映射到[0，1]上。其中vs是歸一化處理后的數(shù)值，V是屬性的原始值，Vmax、Vmin分別為該屬性的最大、最小值。

(8)

3 實證分析

3.1 模型參數(shù)設(shè)置

模型參數(shù)對模型性能往往會產(chǎn)生一定的影響，本研究運用的DT、SVM、RF和IVRF四種模型，各模型的重要參數(shù)及超參數(shù)如表2所示。其中，在DT模型中，criterion表示特征選取方法，max_depth表示樹的最大深度，min_samples_split表示節(jié)點再劃分所需最少樣本數(shù)，min_samples_leaf表示葉子節(jié)點所需最少樣本數(shù)，考慮到本研究數(shù)據(jù)為2494條，特征為13個，樣本量和特征數(shù)量都不算大，因而DT模型四個重要參數(shù)分別設(shè)置為“gini”，“None”，“2”和“1”。在SVM模型中，kernel表示核函數(shù)，cost表示懲罰系數(shù)，gamma表示核函數(shù)系數(shù)，本研究中kernel使用“radial”，cost和gamma兩個超參數(shù)需要通過實驗進一步確定。在RF和IVRF模型中，ntree表示在森林中樹的個數(shù)，mtry表示每棵樹使用的特征樹，本研究中RF和IVRF模型中ntree和mtry兩個超參數(shù)也需要通過實驗來確定最優(yōu)值。

3.2 不同超參數(shù)下分類器敏感性分析

通過在處理后的青海省電力公司人力資源數(shù)據(jù)集上實驗，來研究分類器超參數(shù)對分類器準(zhǔn)確率的影響。從而確定SVM模型中cost與gamma兩個超參數(shù)的最優(yōu)值，以及確定RF和IVRF模型中ntree和mtry兩個超參數(shù)的最優(yōu)值。如圖1(a)所示，隨著cost值的不斷增加，SVM的分類準(zhǔn)確率逐漸提高，但當(dāng)cost值為100左右時分類器準(zhǔn)確率趨于穩(wěn)定；圖1(b)所示，選取cost值為100，gamma值為500左右時分類器準(zhǔn)確率趨于穩(wěn)定。因此，SVM模型選擇超參數(shù)cost=100及gamma=500時，分類器準(zhǔn)確率最高。同理，如圖2和如圖3所示，RF模型選擇超參數(shù)ntree=1500及mtry=4時，分類器準(zhǔn)確率最高；IVRF模型選擇超參數(shù)ntree=1500及mtry=5時，分類器準(zhǔn)確率最高。在模型性能比較以及離職人員預(yù)測研究的實驗中，模型超參數(shù)均以此為依據(jù)，如表2所示。

表2 各模型參數(shù)及超參數(shù)設(shè)置

(a)cost變化下

(a)mtry變化下

(a)mtry變化下

3.3 模型性能比較

本研究共進行了30組隨機實驗，所有實驗均在R語言軟件中完成，每組實驗首先將訓(xùn)練集與測試集按7∶3的比例隨機選取，其次將訓(xùn)練集按照不離職和離職兩種情況劃分為第I類和第II類，然后將訓(xùn)練集導(dǎo)入到基于區(qū)間變量隨機森林算法中進行分類器訓(xùn)練，再將測試集數(shù)據(jù)輸入到訓(xùn)練好的分類器中進行測試，最后輸出分類結(jié)果。在每組實驗中，傳統(tǒng)算法DT、SVM、RF與IVRF算法進行對比，選取Recall、Precision、F1、AUC值作為算法評價指標(biāo)，為保證結(jié)果的科學(xué)性，本研究以30組實驗評價指標(biāo)的平均值作為評價依據(jù)，結(jié)果如表3所示。

表3 不同模型的評價指標(biāo)對比表

3.4 離職人員預(yù)測

依據(jù)2009～2017年這9年的青海省電力公司人力資源數(shù)據(jù)集，預(yù)測2018年員工離職情況，預(yù)測結(jié)果如表4示，預(yù)測準(zhǔn)確率曲線如圖4所示。

圖4 預(yù)測準(zhǔn)確率曲線

表4 2018年青海省電力公司離職人員預(yù)測

可以看出，在預(yù)測中國青海省電力公司2018年不離職的739人中，實際不離職的人員為689人，預(yù)測準(zhǔn)確率為93.23%；在預(yù)測為離職的10人中，實際離職人員為8人，預(yù)測準(zhǔn)確率為80%。在預(yù)測的749人中，共有697人的離職情況預(yù)測是正確的，總體準(zhǔn)確率為91.99%。這也同圖2預(yù)測算法給出的預(yù)測準(zhǔn)確率吻合，當(dāng)樣本數(shù)量為749時，算法預(yù)測準(zhǔn)確率為91.99%。

3.5 離職人員特征重要性評估

運用IVRF算法中importance(x)函數(shù)，其格式為importance(x,type=null,class=null,scale=TRUE,…)，以此來提取特征變量的重要性度量結(jié)果。青海省電力公司離職員工受離職前工作地區(qū)、單位類型、區(qū)域類型、學(xué)校類別、最高職稱等共同影響。通過基于區(qū)間變量的隨機森林算法特征重要性分析，得到了影響員工離職的12個因素的重要性大小，如圖5所示。

本研究選取Giniindex作為評價指標(biāo)來衡量作為度量，12個特征變量的重要性按照降序排序為：離職前工作地區(qū)、單位類型、區(qū)域類型、學(xué)校類別、最高職稱、所學(xué)專業(yè)類別、初次配置崗位類別、婚姻狀況、最高學(xué)歷、政治面貌、性別、生源地。從圖5中可以看出“離職前工作地區(qū)”、“單位類型”和“區(qū)域類型”重要性程度較大，生源地這一特征對預(yù)測準(zhǔn)確率幾乎沒有影響。

圖5 離職人員影響因素重要性

4 結(jié)論

傳統(tǒng)預(yù)測算法無法解決電力企業(yè)實際員工流失數(shù)據(jù)中正負樣本數(shù)量不平衡的問題。基于此，本文引入?yún)^(qū)間變量對隨機森林算法進行了改進，提出了基于區(qū)間變量的隨機森林算法，構(gòu)造了與員工離職相關(guān)的12個特征為輸入變量，以員工是否離職為標(biāo)簽進行分類，并在青海省電力公司2009～2017年人力資源數(shù)據(jù)集上進行了驗證。通過對青海省電力公司員工離職預(yù)測研究，得到以下結(jié)論與啟發(fā)：

(1)相比于傳統(tǒng)的DT、SVM、RF等算法，IVRF算法具有更高的預(yù)測精度和準(zhǔn)確度，其在處理不平衡數(shù)據(jù)問題上有更大的潛力。該算法的三個評價指標(biāo)均在0.85以上，說明該算法對青海省電力公司員工離職預(yù)測是有效的。同DT、SVM、RF三個算法相比，該算法的核心思想在于處理不平衡數(shù)據(jù)集問題，這同員工離職這一實際問題緊密聯(lián)系。

(2)運用IVRF算法對2018年青海省電力公司的離職員工進行預(yù)測，并同實際離職員工進行對比分析，進一步佐證IVRF算法在處理不平衡數(shù)據(jù)集上的優(yōu)越性。因而，此算法能夠?qū)η嗪Ｊ‰娏締T工離職情況進行分析預(yù)警，為電力企業(yè)人力資源相關(guān)工作提供決策支持，以促進電力企業(yè)良好發(fā)展，提升人才隊伍，更好的助力于電力企業(yè)發(fā)展。

(3)本文在實證研究中，收集了員工離職的12個影響因素(特征變量)，通過重要性評價分析，得到12個影響因素的重要性程度，其中“離職前工作地區(qū)”、“單位類型”和“區(qū)域類型”重要性程度較大，對員工離職傾向具有重要的作用，青海省電力公司人力資源管理可據(jù)此提出有針對性的解決措施。

本研究僅收集了青海省電力公司2009～2017共9年的人力資源數(shù)據(jù)，受限于調(diào)研條件并未獲得西部其他偏遠省份電力公司的人員離職情況，研究樣本數(shù)量較少、范圍較窄。今后研究改進的方向：擴大樣本選取范圍，從西部多個偏遠省份(例如西藏、甘肅、新疆等)的電力公司獲取人力資源數(shù)據(jù)集，進一步驗證算法的適用性，并將該算法輻射應(yīng)用到西部其他偏遠省份電力公司的員工離職預(yù)測中；此外，在數(shù)據(jù)集構(gòu)建方面，基于現(xiàn)有的因素，添加更多的特征，從而提高模型預(yù)測的魯棒性；在非平衡數(shù)據(jù)集上，除了在數(shù)據(jù)層面上優(yōu)化外，繼續(xù)研究算法本身的改進。