Let’s Predict Who Will Move to a New Job

要約

どの企業の人事部門も、応募者が新しい仕事を探すのか、それとも会社に留まるのかを予測するという課題に直面しています。
このペーパーでは、機械学習 (ML) を使用して、新しい仕事に移る人を予測する方法について説明します。
まず、データは ML モデルに適した形式に前処理されます。
カテゴリ特徴を処理するために、データ エンコーディングが適用され、ランダム フォレスト (RF)、ロジスティック回帰 (LR)、デシジョン ツリー (DT)、およびエクストリーム グラディエント ブースティング (XGBoost) を含むいくつかの MLA (ML アルゴリズム) が実行されます。
ML モデルのパフォーマンスを向上させるために、合成少数派オーバーサンプリング技術 (SMOTE) を使用してモデルを保持します。
モデルは、精度、再現率、F1 スコア、精度などの意思決定支援メトリクスを使用して評価されます。

要約(オリジナル)

Any company’s human resources department faces the challenge of predicting whether an applicant will search for a new job or stay with the company. In this paper, we discuss how machine learning (ML) is used to predict who will move to a new job. First, the data is pre-processed into a suitable format for ML models. To deal with categorical features, data encoding is applied and several MLA (ML Algorithms) are performed including Random Forest (RF), Logistic Regression (LR), Decision Tree (DT), and eXtreme Gradient Boosting (XGBoost). To improve the performance of ML models, the synthetic minority oversampling technique (SMOTE) is used to retain them. Models are assessed using decision support metrics such as precision, recall, F1-Score, and accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google