论文题目：数据挖掘技术在人力资源管理系统中的应用研究
摘要：近年来,数据挖掘技术在很多领域的应用都发挥出了至关重要的价值,很多学者和企业也开始注重在人力资源管理系统中应用数据挖掘技术来助力企业的可持续发展。数据挖掘技术在人力资源管理系统中的应用可以帮助企业挖掘出隐藏在数据背后的高价值信息,辅助企业对自身水平进行精准评估并对可能存在的风险进行预测,这将是现代化人力资源管理系统发展的主流趋势。本文重点研究数据挖掘技术在人力资源管理系统中的应用,并在研究过程中创新性地使用了数据可视化技术促进数据展示的便捷性和直观性,主要研究内容如下:（1）分析数据挖掘技术在人力资源管理系统中的应用可行性及现实意义,重点研究数据挖掘领域中常用的算法并结合人力资源管理实践的需求提出具体的算法应用场景和实现思路,譬如,应用多元线性回归算法建立企业的人力资源需求预测模型、应用K-means算法建立企业的员工绩效考核模型、应用关联规则算法挖掘企业的人力资源结构等。（2）将数据可视化技术与人力资源管理系统和数据挖掘技术相结合,探索数据可视化技术在系统数据展示和数据挖掘过程中的应用,它既可以帮助人力资源管理者更加便捷地进行数据的分析和决策,也可以通过直观、多维地呈现数据分布、关联、异常等信息为数据挖掘流程提供重要的辅助作用。（3）应用数据挖掘和可视化技术进行员工离职预测模型的构建与评估。通过数据可视化技术对从人力资源管理系统中筛选出来的数据进行描述性分析,采用分层取样法和十折交叉验证法促进数据模型的稳定性,选择朴素贝叶斯算法和CART决策树算法构建数据挖掘模型。通过精度、查准率和查全率指标对模型的全面评估发现CART决策树模型的预测效果较为优秀,三个评估指标都达到了 94%以上。
关键词：人力资源管理;数据挖掘;数据可视化;算法应用;离职预测
学科专业：电子与通信工程（专业学位）
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文主要研究内容
1.4 论文组织结构
1.5 本章小结
第二章 数据挖掘与可视化关键技术介绍
2.1 数据挖掘技术理论综述
2.1.1 数据挖掘的基本内容
2.1.2 数据挖掘的一般流程
2.2 数据挖掘算法应用研究
2.2.1 多元线性回归算法
2.2.2 K-均值算法
2.2.3 关联规则算法
2.2.4 朴素贝叶斯算法
2.2.5 决策树算法
2.3 数据可视化的应用分类
2.3.1 数据可视化
2.3.2 数据挖掘可视化
2.3.3 结果模型可视化
2.4 本章小结
第三章 离职预测的需求介绍和相关设计
3.1 需求介绍
3.2 基本设置
3.2.1 实验环境
3.2.2 实验数据
3.3 数据预分析
3.3.1 基础分析
3.3.2 可视化分析
3.4 本章小结
第四章 员工离职预测模型的构建与评估
4.1 特征工程
4.1.1 数据清洗
4.1.2 特征处理
4.1.3 特征选择
4.2 数据建模
4.2.1 模型选择方法
4.2.2 朴素贝叶斯模型
4.2.3 CART决策树模型
4.3 模型评估
4.3.1 模型评估方法
4.3.2 评估结果对比
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢