論文の概要: IBM Employee Attrition Analysis
- arxiv url: http://arxiv.org/abs/2012.01286v6
- Date: Fri, 1 Jan 2021 01:40:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 07:57:43.001655
- Title: IBM Employee Attrition Analysis
- Title(参考訳): IBMの従業員属性分析
- Authors: Shenghuan Yang, Md Tariqul Islam
- Abstract要約: そこで本稿では,IBMの従業員属性を分析した結果,従業員が辞任を選択した主な理由が明らかになった。
我々は、ランダムフォレストを活用、月収、年齢、働く企業の数などによって、従業員の誘惑に大きく影響した重要な特徴を選択した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we analyzed the dataset IBM Employee Attrition to find the
main reasons why employees choose to resign. Firstly, we utilized the
correlation matrix to see some features that were not significantly correlated
with other attributes and removed them from our dataset. Secondly, we selected
important features by exploiting Random Forest, finding monthlyincome, age, and
the number of companies worked significantly impacted employee attrition. Next,
we also classified people into two clusters by using K-means Clustering.
Finally, We performed binary logistic regression quantitative analysis: the
attrition of people who traveled frequently was 2.4 times higher than that of
people who rarely traveled. And we also found that employees who work in Human
Resource have a higher tendency to leave.
- Abstract(参考訳): 本稿では,ibm社員が退職を選んだ主な理由を明らかにするために,データセットの分析を行った。
まず、相関行列を用いて、他の属性と大きく相関しないいくつかの特徴を確認し、データセットからそれらを取り除いた。
第2に, 無作為林を活用し, 月々の収入, 年齢, 企業の業績が, 従業員の負担に大きく影響し, 重要な特徴を選定した。
次に,k-meansクラスタリングを用いて2つのクラスタに分類した。
最後に,2次ロジスティック回帰分析を行い,頻繁に旅行する人々の誘因は,滅多に旅行しない人の2.4倍であった。
また、Human Resourceで働く従業員は退社する傾向が高いこともわかりました。
関連論文リスト
- The long-term and disparate impact of job loss on individual mobility behaviour [5.890211703289619]
本稿では,モバイル端末のGPSデータをセンサ情報とともに活用し,雇用状況の推測を行うフレームワークを提案する。
雇用者や失業者の移動パターンを分析することで,行動に有意な差異が認められた。
これらの違いは、失業以来、特により脆弱な人口集団の個人に影響を及ぼす。
論文 参考訳(メタデータ) (2024-03-15T13:18:50Z) - Exit Ripple Effects: Understanding the Disruption of Socialization
Networks Following Employee Departures [7.151888974617969]
残りの同僚のソーシャル化ネットワークに対する従業員の退社の影響について検討した。
残りの同僚間のコミュニケーションにおける「破壊の証拠」を見出す。
しかし、内部レベルでは、ネットワークの隣人が立ち去ると、個人がネットワークの配置が良くなる可能性があることを示すパターンが見つかる。
論文 参考訳(メタデータ) (2024-02-24T02:02:53Z) - Crowdsourcing with Meta-Workers: A New Way to Save the Budget [50.04836252733443]
我々は,AIに適したタスクの種類をメタラーニングで学習したマシンアノテータであるEmphmeta-workerの概念を紹介した。
一般の群衆労働者とは異なり、メタワーカーは信頼性があり、安定しており、さらに重要なことはタイヤレスで自由である。
論文 参考訳(メタデータ) (2021-11-07T12:40:29Z) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳(メタデータ) (2021-10-21T18:28:57Z) - On the Efficacy of Adversarial Data Collection for Question Answering:
Results from a Large-Scale Randomized Study [65.17429512679695]
逆データ収集(ADC)では、人間の労働力がモデルとリアルタイムで対話し、誤った予測を誘発する例を作成しようとする。
ADCの直感的な魅力にも拘わらず、敵対的データセットのトレーニングがより堅牢なモデルを生成するかどうかは不明だ。
論文 参考訳(メタデータ) (2021-06-02T00:48:33Z) - An Extensive Analytical Approach on Human Resources using Random Forest
Algorithm [0.0]
調査では、ワークライフの不均衡、低賃金、不均一なシフトなど、従業員がワークライフを変えることを考えることが示されました。
本稿では,異なる従業員パラメータを考慮したランダムフォレストアルゴリズムを用いたモデルを提案する。
hr部門がギャップを特定し、良好な従業員保持率で組織をスムーズに運営することを支援することで、従業員の維持を支援する。
論文 参考訳(メタデータ) (2021-05-07T07:35:23Z) - Discriminative-Generative Dual Memory Video Anomaly Detection [81.09977516403411]
近年,ビデオ異常検出(VAD)には,トレーニングプロセス中に通常のデータに代えて,いくつかの異常を使おうと試みている。
本稿では,いくつかの異常を生かしてデータの不均衡を解決するために,識別生成型デュアルメモリ(dream)異常検出モデルを提案する。
論文 参考訳(メタデータ) (2021-04-29T15:49:01Z) - Domain Adaptative Causality Encoder [52.779274858332656]
我々は,適応因果同定と局所化の課題に対処するために,依存木の特徴と敵対学習を活用する。
我々は、テキストにあらゆる種類の因果関係を統合する新しい因果関係データセット、MedCausを提案する。
論文 参考訳(メタデータ) (2020-11-27T04:14:55Z) - Leveraging Clickstream Trajectories to Reveal Low-Quality Workers in
Crowdsourced Forecasting Platforms [22.995941896769843]
本稿では,クリックストリームトラジェクトリを用いた作業者のクラスタ識別のための計算フレームワークを提案する。
このフレームワークは、群衆のコンセンサスから遠く離れた精度の予測を行う労働者など、さまざまなタイプのアンダーパフォーマーを明らかにすることができる。
本研究は, クリックストリームクラスタリングと分析が, 群集の知恵を活かしたプラットフォームにおけるクラウドワーカーのパフォーマンスを診断するための基本的なツールであることを示唆する。
論文 参考訳(メタデータ) (2020-09-04T00:26:38Z) - Measuring Social Biases of Crowd Workers using Counterfactual Queries [84.10721065676913]
性別、人種などに基づく社会的バイアスは、主にバイアス付きトレーニングデータセットを介して、汚染された機械学習(ML)パイプラインに示されている。
クラウドソーシング(Crowdsourcing)は、ラベル付きトレーニングデータセットを収集するための一般的な費用効果尺度であり、群衆労働者の社会的偏見に免疫がない。
本研究では, 集団労働者ごとの社会的バイアスの程度を定量化するための, 対実的公正度に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-04-04T21:41:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。