多元回归模型在人力资源管理中的应用分析

Journal: Economics DOI: 10.12238/ej.v7i8.1802

李金霞

吉利学院

Abstract

传统的人力资源管理已无法满足大数据时代背景下,企业对人才的需求。招聘过程中如何对海量的数据进行筛选和处理,为企业创造出更好的价值,选拔最合适的员工成为一个焦点。机器学习(ML)技术的发展为人力资源的管理提供了新的方向,注入了源源不断的动力和潜力。本文就是利用最优深度分类树的多元回归模型,首先通过分类树算法,确定树的最优深度,然后对招聘数据进行分析,确定信息的重要程度,再通过对均方误差(MSE)值的比较,建立起一种多元回归机器学习的模型。本模型不仅有效地提高人力资源管理在数据分析方面的效率,还为企业和员工之间如何做到最优的互选,提供了一定的借鉴。

Keywords

大数据;人力资源管理;分类树;回归模型

References

[1] 周志华.机器学习[M].清华大学出版社,2016.
[2] 张雪.基于文本挖掘的人力资源岗位胜任力模型构建及其应用研究[D].武汉:湖北大学,2021.
[3] 尹源.基于机器学习的企业互联网招聘中简历筛选研究[D].南京:南京邮电大学,2020.
[4] 李清黎,徐慧娟.人力资源管理系统的现状及不足[J].当代经济,2009,(06):66-67.
[5] Ranjan J, Goyal D P,Ahson S I.Data Mining Techniques for Better Decisions in Human Resource Management Systems. International Journal of BusinessInformation Systems,2008,5: 464-481.
[6] 高超.数据挖掘技术对企业人力资源管理的影响分析[J].电子制作,2013,(17):288.
[7] 潘现玮.数据挖掘在人力资源信息分析中的应用[J].中外企业家,2016,(31):137-138.
[8] 张金艳.数据挖掘在人力资源离职管理中的应用[D].首都经济贸易大学,2016.
[9] 赖华强,王三银,仲崇高.人力资源管理领域的数据挖掘应用展望——以基于灰色关联模型的离职管理实证分析为例[J].江苏商论,2018,(08):42-47.
[10] 刘宇.基于遗传算法的模糊聚类研究及其应用[D].河南大学,2008.
[11] 姜飞.机器学习在人岗匹配度测算模型中的应用[D].湖南工业大学,2012.
[12] Huang M,Tsou Y,Lee S.Integrating Fuzzy Data Mining and Fuzzy Artificial Neural Networks for Discovering Implicit Knowledge.Knowl-Based Syst,2006,6:396-403.

Copyright © 2024 李金霞

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License