文献

J-GLOBAL ID：202102249636188456   整理番号：21A0443998

仕事からの様々な理由の欠勤に基づく個人の規律解析における機械学習分類器モデルの研究【JST・京大機械翻訳】

A Study on Machine Learning Classifier Models in Analyzing Discipline of Individuals Based on Various Reasons Absenteeism from Work

著者 (3件)： Raman Mayakkannan (Sri Sankara Arts and Science College,Kanchipuram,Tamil Nadu,India,631561) ,  Kaliappen Narentheren (School of International Studies, College of Law, Government & International Studies, Universiti Utara Malaysia) ,  Suan Choo Ling (College of Business Administration, University of Bahrain,Department of Management and Marketing,Kingdom of Bahrain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DASA  ページ： 360-364  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文の主目的は,仕事からの様々な理由の欠如に基づく従業員の規律故障特性を分析することである。この解析は,時間に対する従業員時間の性能評価において,また,任意の組織における規律故障率の発見において,重要な役割を果たす。組織は,人的資源管理のための発展するより良い対策を取り入れることができて,究極的に,生産性側面に関する非存在性の影響は,減少することができた。データはUCI機械学習リポジトリから収集した。属性「規律故障」がクラス属性であるような方法で,データを前処理した。本論文では,データの解析において5つの分類器モデルを使用した。これらのモデルの性能も比較し,解析に対するモデルのより良いオプションを見出した。実験結果から,SMOと多層知覚モデルは,100%の精度で解析に適した最良のモデルであることが分かった。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 故障 ,  故障率 ,  前処理 ,  性能評価 ,  多層パーセプトロン ,  *機械学習 ,  リポジトリ
準シソーラス用語： 人的資源管理 ,  従業員 ,  分類会計機 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： 仕事 ,  欠勤 ,  個人 ,  解析 ,  機械学習 ,  分類器 ,  モデル ,  研究