职场新人识别

《职场新人识别》由会员分享，可在线阅读，更多相关《职场新人识别（22页珍藏版）》请在金锄头文库上搜索。

1、B 题：职场新人识别题：职场新人识别职场新人识别摘要摘要本文以层次分析方法为基础，解决了职场新人识别和职场新人教育背景的识别 以及预测数据不全的职场新人职业类型的问题，并对作了分析，以方法 检验了模型的准确性和方法的可靠性。对于问题（1），为了识别该城市的职场新人，首先筛选出 15 至 30 岁的手 机用户群体，再在这些群体中选择，消费金额，流量费，市话费，长话费，通 话费，短信费，上网流量，上网时长 9 个因素为主要影响因素，控制各个影响 因素合适的标准得到 190 个职场新人，让这 190 个职场新人作为判断综合评分 范围。再利用主成分分析法得到主成分 F 与各原始变量 X 的线性组合关系

2、,建立 了主成分分析方法的数学模型,同时计算各个主成分的贡献率和累加贡献率，得 到主成分的关系表达式。然后计算 190 个职场新人的综合得分和所有手机用户 的综合得分，如果属于职场新人的得处分处在得分区间就可以得到该城市的职1场新人。对成分分析模型进行了求解，得到的结果是一共有 7058 职场新人，结 合附件 4 的区号，可以知道该结果比较符合安徽省合肥市实际的就业情况，误 差较小。对于问题（2），基于筛选出的职场新人，这些职场新人中，有一部分的职 场新人信息不详，为了补全这些信息不详的职场新人，我们建立了 BP 神经网络 模型, 利用训练网络来预测这些信息，并对 BP 神经网络模型进行了求解

3、，由于 神经网络模型的不稳定性， 多次运行程序进行训练就可以得到这些手机价格的 稳定值。 对于问题（3），由于问题已经筛选出了职场新人，并且这些职场新人的职业类 型有 50 类，对于其他职业信息不详的手机用户，我们不考虑这些手机用户属于 其他职业，采用距离判别分析模型，将这些职业作为总体,各个职业类型不详的 手机用户作为样本，计算各个样本与总体之间的马氏距离，将马氏距离最小的 与总体归为一类，就可以预测出这些职业信息不详的职场新人的职业类型。 对于问题（4），为了确定该城市职场新人的教育背景，在问题一筛选出来的所 有职场新人的基础上，我们将所有的职场新人分为硕博生，本科生，专科生， 以及专科以

4、下四类人，建立距离判别模型，再通过 SPSS 得到 4 类聚类中心，计 算每一类偏离聚类中心的距离，偏离聚类中心越小的手机用户其学历越高，即 偏离聚类中心最远的为专科及以下学历。 关键词：主成分分析法，BP 神经网络模型，聚类分析法，马氏距离，SPSS 因子 分析法。一问题重述一问题重述职场新人，通常指处于毕业前的实习阶段或刚毕业离开校园（专科或专科以上） 工作不到 1 年的年轻群体。他们虽然收入不高，但暂时也没有太多压力，经常 追求新鲜事物、乐于且敢于消费。他们有着各自的职业追求，是社会的潜在精 英，将成为运营商未来的高端用户。职场新人正处于人生的十字路口，在各方 面即将进入全面转型。 根据

5、以上数据，请建立数据模型并解决以下问题： 根据附表中的数据，识别该城市的职场新人； 对于手机信息不详的职场新人，请估算其终端大致的价格范围； 对于职业类型不详的职场新人，请预测其职业类型； 请识别职场新人的教育背景，如重点院校、非重点院校、专科本科、硕博等；二问题分析二问题分析2问题一主要研究该城市职场新人的识别问题，首先用 Excel 筛选出 15 至 30 岁大约 10 万个手机用户年轻群体，由于问题可能的影响因素较多，我们只考虑 套餐档次，消费等 9 个主要影响因素，然后根据实际情况确定职场新人的标准， 筛选出理想的职场新人，最后用主成分分析法得到各个主要影响因素的贡献率， 利用所有手机

6、用户年轻群体的综合得分就可以筛选得到该城市的职场新人。问题二主要研究信息不详的职场新人的终端大致价格范围，利用 BP 神经网络 模型对这些影响因素多次进行训练得到稳定的价格值。问题三主要研究信息不祥的职场新人的职业类型，将职场新人分为 27 类职业， 在这里我们假定职业信息不详的人只属于这 27 类职业，不存在属于其他职业的 情况，采用距离判别法，这些手机用户离哪个职业最近就可以得到信息不全的 人属于哪一个职业。问题四主要研究职场新人的教育背景问题，正常情况下，重点院校对学历要 求较高，因此我们考虑硕士以上学历的为重点院校的。我们将所有职场新人分 为硕博生，本科生，专科生，专科以下四类职场新人

7、，再用聚类分析法将每一 类的聚类中心偏离初始聚类中心的大小进行分类，离聚类中心越近，该职场新 人的学历越高，反之越低。三模型的假设三模型的假设1假设这些手机用户在这个月中没有更换手机号。 2假设这些手机用户使用手机行为在很常一段时间内没有异常。 3假设该城市的职场新人年龄范围为 15 至 30 岁。 4假设附表所给数据真实可靠。 5. 假设这些手机用户在这个月中不改变行业. 6假设本网手机用户没有较大范围的人口迁移。四符号说明：第 i 个指标第 j 个样本的原始数据ijx：第 i 标的样本均值ix：第 i 指标的标准差i：第 i 个指标第 j 个样本的相关系数ijr：贡献率ieE ：累计贡献率

8、i五模型的建立与求解5.1问题一35.1.1.主成分分析模型的建立： 主成分分析法是利用降维的思想，通过线性组合把原来众多指标转化为少数几 个互相无关的指标，而保持原指标大量信息的一种多元统计分析方法。主成分 分析去除了一般赋值方法中的主观因素，因而此方法更为合理科学，具体操作 步骤如下： 1）为了排除数量级和量纲不同带来的影响 首先对原始数据进行标准化处理：iiij ijxxxni, 2 , 1L式中，为第 个指标第个样本的原始数据；和分别为第 个指标的样本ijxijixii均值和标准差。（2）根据标准化数据表，为简单起见，将标准化数据表仍记为npijx)( npijx )(，计算相关系数矩

9、阵，其中npijx)(npijrR)( nkjijkjiki ijxxxxnr1)(1 （3）根据特征方程，计算的特征根，并使其从小到大排列：0 IRRi同时可得对应的特征向量，它们标准正交。称为主pL21paaaL,21轴。 其中paaaL,21pppppppaaaaaaaaaaaaMLMM21222122121111,说明：，这表明第一主成分方差最大，也说明了为什么主成分的名次iiVarF是按特征值的大小顺序排列的。 （4）计算贡献率和累计贡献率贡献率 pkkiie1/累计贡献率pmEpkkmkmm, 2 , 1/11L 当时，前 m 个主分量称为公共因子，此时可以选用前 m 个主分量代替

10、mE7 . 0原来 n 个变量，n 个向量在第个公共因子的载荷向量为4.,.,3 , 2 , 1,),.,(1312111miaaaaaaT niiii第 j 个变量在全部 m 个公共因子上荷载的平方和叫做变量的公共性.,.,3 , 2 , 1,122njahmiijj从而有.12 miijjah它的大小反映了变量 j 在公共性部分的作用或重要性层度。把每个变量公共性的方根作为该变量的权重。jh第一主成分的贡献率就是第一主成分的方差在全部方差中的比值。 pkke111/这个值越大，表明第一主成分综合的信息越强。pXXXL,21（5）写出主成分piXaXaXaFppiiii, 2 , 12211

11、LL5.1.1 主成分分析模型的求解（1）数据处理，基于所给样本数据，首先用 MATLAB 筛选出符合职场新人标 准的一共 21599 个用户群体，由于这其中有很大一部分用户群体的信息不全， 对问题的研究将会产生很大影响，继续进行筛选 15-30 岁手机用户得到 7058 个 职场新人。我们通过计算各个影响因素的均值，偏差来确定评价标准。用用 户户 资资 料料套餐档套餐档 次（元）次（元）消费金消费金 额（元）额（元）流量费流量费 （元）（元）市话费市话费 （元）（元）长途费长途费 （元）（元）通话费通话费 （元）（元）短信费短信费 （元）（元）上网上网 流量流量 （M M）时长时长 ( (分

12、分) )标标 准准100100105010501050100表 5.1 职场新人的评定标准 我们取套餐档次，消费金额，流量费，市话费，长话费，通话费，短信费，上 网流量，上网时长 9 个因素为主要影响因素，控制如上表各个影响因素合适的 范围，确定职场新人的标准得到 132 个职场新人，用这 132 个职场新人作为判 断综合评分范围。以上述 9 个因素为分析变量，运用主成分分析法对数据进行 分析，得到如下结果： （1）将数据标准化，标准化结果如附表(1) (2)指标间的相关系数矩阵,如附表(2) (3)R 的特征值，如附表(3) (4)R 特征向量,如附表(4)，由附表(4)可以看出，前 5 个

13、特征值累计贡献率已 达到 85%，说明前 5 个主成分基本包含了全部指标具有的信息。 （5）主成分载荷，如附表（5）5（6）分别以前 5 个主成分的贡献率为权重，求得综合因子得分如附表（6） 我们取这 190 名职场新人的综合区间得分来判断所有职场新人的标准,标准为 3,187,用这个标准我们一共得到 7058 名职场新人,由附件提供的数据我们可 以知道区号 0551 的用户占到所有用户的 57.89%，而区号为 0551 的是安徽省合 肥市，由中国统计年鉴安徽省合肥市的就业率和得到的结果比较接近，效果很 好。 问题一模型的评价： 优点：（1）本文采用主成分分析模型，该模型的主成分并不是人为确

14、定的，而 是根据各影响因素的方差贡献率的大小确定的，克服了人为的主观因素，使得 综合评价结果唯一，客观合理，有说服力。 （2）该方法用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能 地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化 了原指标体系的指标结构。 不足：（1）为了使问题简化，我们忽略了很多可能影响的因素，比如停机次数， 号码变更次数，身份证，性别等. （2）此方法的计算过程比较繁琐，且对样本量的要求较大，评价的结果跟样本 量的规模有关系。 (3)在筛选的过程中，由于部分手机用户的年龄信息不祥，剔除了很多可能的职 场新人。5.2问题二5.2.1 .BP 神

15、经网络模型的建立 我们建立了一般的 BP 神经网络模型来预测信息不详的职场新人的手机价格范围所谓 BP 神经网络,就是指采用 Widrow-Hoff 学习算法和非线性可微转移函数 的多层网络。典型的 BP 算法采用梯度下降法。如图 1 所示，BP 神经网络包 括以下单元： 处理单元(神经元)（图中用圆圈表示），即神经网络的基本组 成部分。输入层的处理单元只是将输入值转入相邻的联接权重，隐层和输出层 的处理单元将它们的输入值求和并根据转移函数计算输出值。 联接权重(图 中如 V,W)。它将神经网络中的处理单元联系起来，其值随各处理单元的联接程 度而变化。 层,神经网络一般具有输入层 x、隐层 y 和输出层 o。 阈值。 其值可为恒值或可变值，它可使网络能更自由地获取所要描述的函数关系。 转移函数 F。它是将输入的数据转化为输出的处理单元，通常为非线性函数。 BP 算法主要包含 4 步，分为向前传播和向后传播两个阶段： 1）向前传播阶段 （1）从样本集中取一个样本（Xp，Yp），将 Xp 输入网络； （2）计算相应的实际输出 Op。 在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络 在完成训练后正常运行时的执行过