乔源 陈梦帆

作者简介：乔源（2000— ），男，汉族，辽宁大连人。主要研究方向：供应链管理。

摘 要：人才是企业的核心，如何留住人才是人力资源的核心命题。基于此，本文首先建立了员工离职预测指标体系，接着使用7种机器学习方法对员工是否离职进行预测，并从准确率，f1得分，AUC，召回率，敏感度等五个评估指标进行综合评估。实证结果表明：XGBoost算法具有高准确率和稳定性，较其他算法更优良。进而，本文采用cover准则对特征重要性进行了分析，员工是否离职决策更满足社会人假说，员工往往更倾向于追求自我实现和工作的自我契合，企业应优先满足员工社会层面的自我需求，有效防止员工离职。

关键词：机器学习算法;员工离职预测;特征重要性

互联网时代下，人才流动频繁，核心员工的主动辞职，不仅会给公司正常运营造成影响，降低企业受益，而且会导致客户流失，商业机密泄漏等诸多危害，如何通过历史数据或员工标记准确判断员工的离职倾向是人力资源管理的新研究方向。企业不再满足于探究某一两个变量或者因素和员工的离职的关系，因为员工离职往往是深思熟虑，众多因素有机结合的结果，因此对员工大数据特征进行机器学习显得很有价值。

通过收集员工特征大数据对于员工离职的预测不仅是人力资源领域的核心问题，也是机器学习算法研究的重要方向，部分学者侧重某一或几种因素的研究，李扬研究国有企业员工……