就業(yè)的整體穩(wěn)定是國(guó)家經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定的重要基礎(chǔ),由于受到突如其來(lái)疫情沖擊,在就業(yè)需求增加與經(jīng)濟(jì)下行的雙重壓力背景下,國(guó)家相關(guān)就業(yè)指導(dǎo)部門(mén)及高�？蒲袡C(jī)構(gòu)更進(jìn)一步地重視社會(huì)就業(yè)問(wèn)題。近年來(lái),城鎮(zhèn)勞動(dòng)力由于受到經(jīng)濟(jì)增速下滑和經(jīng)濟(jì)結(jié)構(gòu)的變化影響,就業(yè)形勢(shì)較為嚴(yán)峻;隨著人工智能技術(shù)的不斷發(fā)展,技術(shù)進(jìn)步所帶來(lái)的失業(yè)也是逐漸成為社會(huì)所不容忽視的問(wèn)題。因此,本文引入機(jī)器學(xué)習(xí)的方法來(lái)構(gòu)建適用于我國(guó)城鎮(zhèn)勞動(dòng)力的就業(yè)預(yù)測(cè),這對(duì)于國(guó)家在有關(guān)社會(huì)就業(yè)出臺(tái)相關(guān)政策支持和進(jìn)一步穩(wěn)定就業(yè)都具有一定意義。針對(duì)目前國(guó)內(nèi)外對(duì)于就業(yè)預(yù)測(cè)研究不多的問(wèn)題,本文在擁有準(zhǔn)確、有效的數(shù)據(jù)前提下,探索利用并優(yōu)化機(jī)器學(xué)習(xí)的方法對(duì)就業(yè)進(jìn)行預(yù)測(cè)和分析,進(jìn)而完成預(yù)測(cè)模型的訓(xùn)練�；诒疚牡难芯磕繕�(biāo),本文以中國(guó)城鎮(zhèn)勞動(dòng)力作為研究對(duì)象,構(gòu)建了中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)框架�？蚣馨A(yù)測(cè)指標(biāo)體系構(gòu)建、特征工程、非平衡數(shù)據(jù)處理、預(yù)測(cè)模型訓(xùn)練方法設(shè)計(jì)和預(yù)測(cè)模型評(píng)價(jià)五個(gè)主要部分。首先,本文對(duì)中國(guó)城鎮(zhèn)勞動(dòng)力的就業(yè)特點(diǎn)進(jìn)行了研究,提出了包括個(gè)體指標(biāo)與非個(gè)體指標(biāo)的指標(biāo)體系,其中個(gè)體指標(biāo)包含勞動(dòng)者個(gè)體基本情況、教育經(jīng)歷、勞動(dòng)者狀態(tài)、工作經(jīng)歷四大維度的27個(gè)二級(jí)指標(biāo),非...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)指標(biāo)體系在中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)模型個(gè)體指標(biāo)選取中，本文總結(jié)提取了個(gè)體基本

本文個(gè)體微觀層面就業(yè)指標(biāo)選取基于指標(biāo)獨(dú)立性的原則，根據(jù)中山大學(xué)社會(huì)科學(xué)院專(zhuān)業(yè)團(tuán)隊(duì)所研究的中國(guó)勞動(dòng)力動(dòng)態(tài)調(diào)查（CLDS）問(wèn)卷，從個(gè)體問(wèn)卷中收集到反饋信息入手，剔除掉家庭問(wèn)卷信息、勞動(dòng)力變遷等無(wú)關(guān)信息后，根據(jù)篩選出與就業(yè)信息關(guān)聯(lián)度更高的問(wèn)卷問(wèn)題，總結(jié)歸納、分析提取了有關(guān)于個(gè)體指標(biāo)的基....

圖3-2Lasso系數(shù)選擇路徑圖

基于IBX模型的中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)研究44表3-4歸一化不同特征選擇方法篩選出的特征結(jié)果數(shù)據(jù)處理方法特征選擇方法篩選特征指標(biāo)篩選特征數(shù)量歸一化LASSOX1、X2、X6-X14、X19、X24-X27、X37、X3818RFEX1-X19、X20-X21、X23-X4038M....

圖3-4特征組合方法在不同模型中的ROC曲線

第三章中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)實(shí)證分析4911圖3-4特征組合方法在不同模型中的ROC曲線根據(jù)上述不同特征選擇在單一模型與集成模型中對(duì)比實(shí)驗(yàn)結(jié)果分析以及圖3-4所展示的特征組合方法在不同模型中的ROC曲線，本文整理歸納出特征組合在不同模型實(shí)驗(yàn)結(jié)果，不管是單一模型決策樹(shù)、SVM、神經(jīng)....

圖3-5數(shù)據(jù)平衡后特征組合方法在不同模型中的ROC曲線

基于IBX模型的中國(guó)城鎮(zhèn)勞動(dòng)力就業(yè)預(yù)測(cè)研究52圖3-5數(shù)據(jù)平衡后特征組合方法在不同模型中的ROC曲線本文整理歸納出特征組合在不同模型實(shí)驗(yàn)結(jié)果，本文所提出的特征組合方法+數(shù)據(jù)平衡在所五種模型中整體效果表現(xiàn)最好，采用特征組合方法+SMOTE數(shù)據(jù)平衡后，根據(jù)在Recall、Specif....

本文編號(hào)：3939779