基于XGBoost的不平衡员工晋升预测

人力资源管理在决策方式上逐渐智能化。为了辅助人力资源进行员工晋升决策，提高管理者晋升决策的公平性和有效性，提出基于集成学习的极端梯度提升(XGBoost)模型对数据分布不平衡的员工晋升数据进行预测分析。以Kaggle(数据科学竞赛平台)的员工晋升数据集为对象进行预处理，建立基于XGBoost算法的员工晋升预测模型，结合准确率、F1值和AUC值这几个评价指标，与其他算法模型进行比较分析。实验结果表明，相比逻辑回归(LR)、支持向量机(SVM)、人工神经网络(ANN)、多层感知机(MLP)模型，XGBoost模型的三项评价指标更具优势，应用于员工晋升预测，效果更好。