机构名称：
¥ 1.0
电子邮件id -sunny.prakash@glbitm.ac.in摘要：这是关于如何使用机器学习算法来实现最佳人力资源管理实践，特别是那些处理人类绩效，识别员工绩效，磨损分析和劳动力计划的范围较高森林和逐步促进algorions的活动的识别的任务的人类资源，以评估人类资源在人类资源中的实验，以分析人类资源的实验。进行。报告的数据显示，使用MAE和RMSE性能指标，具有空位率预测的梯度增强算法的准确性最高，这表明结果最佳。因此，在损耗分析中，与随机森林相对于随机森林的准确性，精度，回忆和F1得分的较高度量。在劳动力计划中，梯度提升仅显示的平均绝对百分比误差（MAPE）和均方根百分比误差（RMSPE）值与两种应用的方法相比，这表明预测方法的出色性能。上述结果肯定表明机器学习算法在人力资源管理任务中可能非常成功，并且数据驱动的决策可以提高性能，同时也可以通过大量交易来增强其性能。关键字：机器学习，人力资源管理，员工绩效预测，流失分析，劳动力计划。
机器学习和人力资源管理：有效劳动力管理的途径
主要关键词
相关文件推荐
