[发明专利]一种基于机器学习的企业劳资纠纷风险预测方法

说明书

一种基于机器学习的企业劳资纠纷风险预测方法，S1：相关数据探索；S2：建立劳资纠纷黑白样本库；S3：指标分箱；S4：数据标准化；S5：筛除低预测能力指标；S6：剔除高相关性指标；S7：构建逻辑回归模型；S8：对预测模型进行检验。本发明基于企业公开信息与政务数据，以过往企业劳资纠纷案件作为样本，通过科学合理建模标准，最终得到可以反映当前企业风险以及预知未来的趋势的企业劳资纠纷模型，对现有企业的劳资纠纷发生风险进行分级评估。

技术领域

本发明涉及劳资纠纷风险预测领域，尤其涉及一种基于机器学习的企业劳资纠纷风险预测方法。

背景技术

劳资纠纷也称为“劳动争议”，是指劳动者(员工)与投资者(用人单位) 之间由于种种利益冲突而发生的纠纷。

企业劳资纠纷事件是企业发展与成长过程中的一种风险因素，也关系到城市的社会稳定，是一个非常重要的课题。因此需要将可能发生劳资纠纷企业预先识别出来，以便有时间提前做出应对预防。至今为止，并没有一套完整的对于城市企业劳资纠纷风险进行量化预测评估的有效方法。

为了填补以上空白，有必要建立一套可量化的企业劳资纠纷事件模型，并据此评估企业发生劳资风险。最终为管理者合理设计经济政策、维护社会稳定提出参考依据。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于机器学习的企业劳资纠纷风险预测方法，基于企业公开信息与政务数据，以过往企业劳资纠纷案件作为样本，通过科学合理建模标准，最终得到可以反映当前企业风险以及预知未来的趋势的企业劳资纠纷模型，对现有企业的劳资纠纷发生风险进行分级评估。

(二)技术方案

为解决上述问题，本发明提供了一种基于机器学习的企业劳资纠纷风险预测方法，包括以下步骤：

S1：相关数据探索，探索收集包括互联网区的企业信用数据、企业检查数据、企业仲裁数据及各个委办局业务数据与劳资纠纷事件存在相关性的数据素材，整理获取发生劳资纠纷的企业与正常运营的若干企业实例；梳理出与劳资纠纷事件相关的因素；

S2：建立劳资纠纷黑白样本库；通过统计过去发生的企业劳资纠纷案件，将现有的企业划分为劳资纠纷黑样本与白样本：劳资纠纷黑样本为：在样本库中，近两年有过劳资纠纷案例的企业，或是有过劳动冲裁案例企业；劳资纠纷白样本为：在样本库中，近两年没有产生过劳资纠纷案例的企业，且没有产生过劳动冲裁案例企业；将现有样本划分为训练集与测试集，保证两个集合中均包含黑样本与白样本，且两个集合中黑白样本成分占比类似；若训练集中黑白样本比例差异大于预定值，则对训练集中黑样本进行过采样，至其内部黑白样本比例接近或等于1：1；

S3：指标分箱，通过对劳资纠纷相关变量进行数据处理，将类别类变量、定性类变量与连续数值类变量均转化为离散定量分箱指标，以进行量化模型构建；

S4：数据标准化；

对S3中获取的评价指标数据进行数据标准化，将定性指标或定量指标的数据处理并纳入[0.001，1]区间内；

对不同的指标根据箱内的劳资纠纷发生比例排序；对于分箱总数为m的指标 i，当实例的该指标属性处于排名第j名的分箱内时，该实例在指标i上打分q_i为：

S5：筛除低预测能力指标；基于各项指标分箱情况，计算各评估指标的IV 值，剔除掉IV值小于阈值变量指标，最终获得与劳资纠纷相关度较高的若干评价指标；IV值为信息价值，代表单一指标对劳资纠纷概率的预测能力；

S6：剔除高相关性指标；

基于S5中获取的评价指标，将高相关性评价指标集合进行化简剔除，只保留一个大于阈值的IV值，以简化模型中的评价指标体系；