基于机器学习的员工流失预测及影响因素研究

企业人力资源部门把握员工离职动向、了解员工流失原因对企业人力资源合理配置、降低企业经营成本具有重要意义。本文以跨国公司IBM的员工离职情况数据集展开研究,采用预测性建模的方法依次构建决策树、逻辑回归、随机森林和XGBoost四个员工离职预测的分类模型,分析影响员工流失的关键因素。结果显示,XGBoost模型无论在预测的准确率、召回率还是AUC的表现上均优于其他三个模型,作为员工离职预测的分类模型效果最佳。以该模型计算各变量的重要性排序,并结合交叉统计图分析后得出,员工婚姻状况、所学习的专业领域、所在部门、股票期权水平等因素对员工是否离职的影响较高。本文从机器学习方法的视角对员工流失的影响因素进行研究,并对员工流失进行预警,为企业提高团队稳定性提供参考。

购买银行金融类产品的企业画像研究——基于文本分析法

本文以某股份制P银行为例,获取2022年7月购买该银行某理财产品的企业客户名称,通过Python在企查查官网上爬取企业基本信息后,基于描述性分析和词频统计、文本向量化、K均值聚类等文本分析方法,对该银行的企业客户画像进行研究。总结发现:购买该理财产品的企业主要集中于一线或新一线城市,以北京居多;多数企业成立时间不足10年,注册资本规模在5000万以下居多,人员规模多数少于50人,企业类型多数为非上市、非国有独资的中小企业;所属行业主要集中于高新技术服务业等第三产业。因此,银行在进行产品营销时,可通过以上企业特征,寻找或挖掘企业客户潜在的理财需求。本研究仅供参考。

应用图论分析与最优化理论来数据挖掘大规模水牛普里昂蛋白结构数据（英文）

图论、最优化理论显然在蛋白质结构的研究中大有用场.首先,调查/回顾了研究蛋白质结构的所有图论模型.其后,建立了一个图论模型:让蛋白质的侧链来作为图的顶点,应用图论的诸如团、k-团、社群、枢纽、聚类等概念来建立图的边.然后,应用数学最优化的现代摩登数据挖掘算法/方法来分析水牛普里昂蛋白结构的大数据.成功与令人耳目一新的数值结果将展示给朋友们.