혼합 ANN-SVM 모델에 기반한 직원 승진 탐지의 새로운 방법

회사의 궁극적인 장기 목표를 달성하는 능력은 직원의 잠재력과 동기에 크게 의존합니다. 인사 관리 팀은 직원의 품질 작업 능력을 정확하게 평가하고 승진을 통해 그의 인센티브를 제공할 수 있어야 합니다. 그동안 직원의 승진 적합성을 측정하는 것은 상당히 어려웠지만, 이전에 기계 학습 분류 방법이 연구되었습니다. 이 연구의 목표는 승진 잠재력이 있는 직원을 탐지하기 위해 새로 제안된 혼합 분류 모델을 분석하는 것입니다. 혼합 모델은 인공 신경망 모델의 특성 선택 강점과 서포트 벡터 머신의 이진 분류 능력을 결합합니다. 모델은 하이퍼파라미터 조정 후 테스트 및 훈련됩니다. 이후 모델은 정확도, 정밀도, 재현율 및 F1 점수로 평가되며 성능을 위해 개별 SVM 및 ANN 모델과 비교됩니다. 이 제안된 모델의 예측은 성능에서 0.15%에서 7.26% 증가와 함께 이 두 모델을 초과한 것으로 입증되었습니다. ANN 모델의 정밀도가 혼합 모델보다 다소 높다는 점에 유의하십시오. 요약하자면, 혼합 ANN-SVM 모델은 불균형 및 균형 데이터셋 모두에서 효과적으로 작동하는 것으로 입증되었습니다.