基于決策樹C5.0算法的員工職稱晉級評估研究

涂波，張煒，胡文，張健偉，馮媛媛

[摘 要]本文在某企業人力資源管理系統數據庫的基礎上，利用數據挖掘技術對企業職工的人事檔案信息進行深度挖掘。基于決策樹的C5.0算法，構建企業員工職業晉升的評判模型，生成職業晉升評判規則集，從而實現對企業員工職業晉升的自動評判，并針對不同員工進行定向信息推送，幫助人事部門有效提高管理效率，為企業實現人力資源的優化配置提供助力。

[關鍵詞]人事檔案；數字化；人力資源管理；決策樹

doi：10.3969/j.issn.1673 - 0194.2018.08.029

[中圖分類號]TP311.13 [文獻標識碼]A [文章編號]1673-0194（2018）08-00-02

0 引 言

企業的人事檔案管理信息系統已保存了大量的員工檔案信息。如何在海量的信息中快速、準確地獲取、分析信息，進而提供更加個性、精準的服務是擺在企業人力資源管理部門面前的一個重要問題。其中，如何通過對系統中龐大的人事檔案數據進行數據挖掘分析，嘗試找出數據之間隱含的關聯關系，構建員工的多維能力模型，進而據此實現職稱升級推薦功能，為企業優化人力資源管理提供科學依據，豐富完善人事檔案管理信息系統的智能應用是企業探尋人力資源數據挖掘的核心應用點。

1 算法的選擇

在進行數據挖掘時，可以通過構建分類模型實現對數據的全面刻畫以及對新數據的分類預測。數據分類一般包括兩個階段，學習階段通過對歷史數據的深度學習構建分類模型，分類階段則利用模型對給定數據進行分類預測。決策樹是用于分類和預測的主要技術之一，通過將大量數據有目的地分類，從中找到一些有價值的信息供決策者作出正確判斷。

1.1 決策樹算法及特點

決策樹學習是以實例為基礎的歸納學習算法，著眼于從一組無次序、無規則的事例中推理出決策樹表示形式的分類規則。它采用自上而下的遞推方式，在決策樹的內部節點進行屬性值的比較，并根據不同屬性判斷從該節點向下的分支，然后進行剪枝，最后在決策樹的葉節點得到結論。決策樹的每個節點都有一定量的樣本，從根節點開始往下各節點樣本量逐級減少，決策樹算法挖掘其實是對數據進行不斷分組的一個過程。決策樹的類型有兩種，使用哪種類型的樹取決于輸出變量的類型，輸出變量為分類型變量，則選用分類樹；輸出變量為連續型變量，則使用回歸樹。

1.2 常用的決策樹算法

基于決策樹的分類有很多實現算法，比較常用的主要有ID3算法、C4.5算法、C5.0算法、CART算法等。

1.2.1 ID3算法

ID3算法是較早提出并被普遍使用的決策樹算法。在信息論中，期望信息越小，那么信息增益就越大，從而純度就越高。ID3算法的核心思想就是以信息增益來度量屬性的選擇，選擇分裂后信息增益最大的屬性進行分裂。

1.2.2 C4.5和C5.0算法

C4.5算法是對ID3算法的一種改進和擴充，克服了ID3算法應用信息增益選擇屬性時偏向選擇取值多的屬性的不足，并且在樹的構造過程中就可以進行剪枝，且能夠完成對連續屬性的離散化處理。C5.0是C4.5應用于大數據集上的分類算法，核心算法與C4.5保持一致，主要在執行效率和內存使用方面進行了改進。相比C4.5，C5.0在處理數據遺漏和輸入字段較多的問題時更加穩健，可以提供更強大的技術來提升分類的精度。

1.2.3 CART算法

CART算法是一種二分遞歸分割技術，把當前樣本劃分為兩個子樣本，使生成的每個非葉子結點都有兩個分支，因此CART算法生成的決策樹是結構簡潔的二叉樹。CART算法的特點是只能生成二叉樹，即每個父節點只能生成兩個子節點，在確定分組變量時主要根據Gini系數來進行選擇。

ID3、C4.5、C5.0、CART算法都有各自的特點和適用范圍。ID3算法選擇最佳分組變量使用的標準是信息增益值，存在選擇屬性時會偏向于選擇值多的缺陷。C4.5算法雖然修正了ID3算法的不足，但其算法本身只能處理留駐在內存中的數據集，并不適用于大數據集的處理，數據量的大小會直接影響運算的效率。CART算法只能生成二叉樹，屬性所受局限較大。C5.0算法是用信息增益率來確定最佳分組變量和最佳分割點，相較C4.5算法擁有更強大的數據處理技術，耗用內存更小，分類精度更高，適用于處理數據量較大且不在內存中存儲的數據集。

經過對以上幾種方法的綜合比較，本文選擇用C5.0算法生成決策樹來對企業員工的職業晉升進行評判分析。

2 基于C5.0算法的職業晉升評判分析

在已有系統用戶信息數據庫的基礎上，可以借助數據挖掘技術對企業職工的人事檔案信息進行深度挖掘。基于決策樹的基本思想及C5.0算法，構建企業員工職業晉升評判模型，生成職業晉升評判規則集，根據企業員工的實際工作情況判斷其是否能夠晉升，并針對不同員工進行定向信息推送，如圖1所示。

在構造決策樹模型時，需要從多方面對企業員工的人事檔案信息進行綜合考量。本文以員工年齡、學歷、工齡、工資和是否晉升等基礎信息為例，基于C5.0算法構造決策樹模型，如表1所示。根據員工的基礎信息，選擇年齡、學歷、工齡、工資作為決策屬性集，以“是否晉升”作為類別標識屬性。C5.0算法的核心是通過信息增益率來判定決策屬性，選擇信息增益率最大的屬性作為決策屬性。

將員工基礎信息數據表示為訓練樣本數據集D，其中決策屬性年齡、學歷、工齡、工資分別用A1、A2、A3、A4來表示。訓練樣本數據集D中總共有15個元組，分類屬性將這15個元組分成兩個子集，每個子集中對應的元組個數分別為8和7。由此可以計算得到集合D關于分類的期望信息量。

（1）

假設將訓練元組D按決策屬性A進行劃分，則A對D劃分的期望信息如下。

（2）

決策屬性的信息增益分別如下。

（3）

屬性A的信息增益率如下。

gainratio（年齡）=0.213 80，gainratio（學歷）=0.060 25

gainratio（工齡）=0.329 66，gainratio（工資）=0.192 24

計算結果表明，gainratio（工齡）>gainratio（年齡）>gainratio（工資）>

gainratio（學歷），工齡屬性的信息增益率最大，因此選擇工齡這一屬性作為分裂屬性。由于工齡屬性共有5個變量值，因此可以把以上樣本分為5棵子樹，在決策樹中對應5個分枝。按照同樣的方式在每一個子樹中分別計算剩余屬性的信息增益率，仍選擇信息增益率最大的屬性作為分裂屬性，將其分解成更小的子樹，逐層向下，直到不能進一步分解為止，此時決策樹的生長結束，如圖2所示。

從生成的是否能夠晉升的模型中可以看出，參與決策樹構建的主要屬性是工齡和學歷，也就是說，影響企業員工職業晉升的主要因素是工齡，其次是學歷。從模型預測準確率來看，該模型對員工是否晉升的預測準確率為93.33%，錯誤率為6.67%。基于生成的決策樹及其相應規則集，可以對企業員工人事信息做出能否晉升的評判，并將評判結果針對個人定向推送。

3 結 語

數據挖掘作為一門交叉學科，雖然興起時間并不長，但在大數據時代已經在各個領域都得到了極其廣泛的應用。決策樹算法以歷史數據為基礎進行歸納和學習，利用生成的規則集對新數據集做出分類和預測。本文將決策樹算法應用在人力資源管理中，以員工人事檔案信息作為基礎數據來構建決策樹，得出企業員工職業晉升的規則集，從而實現對企業員工職業晉升的自動評判，并將評判結果向員工個人定向推送，能夠有效提升人事部門的管理效率，為企業實現人力資源的優化配置提供助力。

本文所提出的算法已經在貴州省煙草公司貴陽市公司“人事檔案管理信息化項目”中得到應用，極大地提升了人力資源管理效率，是貴陽煙草商業企業精益人力資源管理體系的具體體現。

主要參考文獻

[1]毛國軍.數據挖掘原理與算法[M].北京：清華大學出版社，2007.

[2]楊靜，張楠男，李建，等.決策樹算法的研究與應用[J].計算機技術與發展，2010（2）.

[3]龍麗琴，張擁軍，胡文，等，煙草商業企業精益人力資源管理體系探究[M].貴州：貴州人民出版社，2017.