龚建伟， 张林锋， 佘奇根， 于 放

（北京师范大学香港浸会大学联合国际学院理工科技学院， 广东珠海 519087）

0 引 言

对于企业来说，员工离职率高意味着企业难以留住人才，同时也给未来的经营带来许多不确定性。究其员工为什么会离职，以及不同员工的离职概率等，都是企业不得不面临的难题。 搞清楚与员工离职有关的因素不仅可以帮助企业预测未来的人力资源变动情况与需求，同时有助于帮助企业找到员工离职背后的原因。 显然，员工的离职并不完全是随机的，员工的自身情况与工作条件等诸多原因都可能对其离职概率产生影响。 因此，使用机器学习方法对员工离职的概率进行研究具有充分的可行性，企业也可运用这些方法来建立员工离职预警机制［1－2］，这对企业的长远发展可谓裨益良多。

早期研究人员依据历史数据进行预测，往往是将传统统计方法用于时间序列模型当中，如ARIMA［3］、多元线性回归模型等。 后来，研究人员逐渐开始运用机器学习算法来对股票等信息进行预测，这些算法相较传统模型而言效果通常来说要更令人满意［4］。 离职预测问题是一个典型的分类问题，目前已有诸多机器学习算法可以应用于此类问题［5］，完全可以应用于离职预测当中。 虽然有许多算法可以利用，但是不同算法在准确度和样本规模适应性等方面各有千秋［6－7］。 目前，已有一些研究者利用XGBoost 算法［8］、随机森林［9－10］等方法进行了员工离职预测模型的构建，但这些研究大多仅基于一种算法，亦无法给出离职的概率而只能进行简单的是非判断。……