[发明专利]一种基于Logistic回归算法的劳资纠纷预测方法

说明书

本发明提出了一种基于Logistic回归算法的劳资纠纷预测方法，包括：步骤1，对劳资纠纷预测相关数据进行预处理；步骤2，基于预处理后的劳资纠纷预测相关数据构建企业发生劳资纠纷概率的回归函数，基于所述回归函数构造似然函数；步骤3，基于所述似然函数求解所述劳资纠纷预测相关数据在所述回归函数中对应的最佳参数向量，以确定出所述回归函数；步骤4，基于确定出的所述回归函数计算每个企业发生劳资纠纷概率。本发明将大数据以及机器学习的先进技术应用到企业劳资纠纷预测，从根本上改变了传统的对劳资纠纷预测的人为因素所产生的不准确性，极大的提高了模型预测的查全率与查准率。

技术领域

本发明涉及数据预测技术领域，尤其涉及一种基于Logistic回归算法的劳资纠纷预测方法。

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。劳资纠纷案件近年来呈现频发趋势，因此，要想尽可能将可能发生的劳资纠纷扼杀在萌芽状态，更好的维护社会稳定，就必须对可能发生劳资纠纷的企业进行预测预警。

目前对于可能发生劳资纠纷的企业预测大多采用人工打分的方式对所有企业评分定级，对易发生劳资纠纷的高危企业进行预测。计算公式如下：

y＝a₁x₁+a₂x₂+a₃x₃+.....+a_nx_n

其中x₁，x₂，x₃，…，x_n为各项指标的得分，包括是否属于登记重点企业，公司历史集体罢工事件数，企业行政处罚信息，企业购买社保人数是否显著减少，企业用水电是否显著减少，企业被起诉数量等等。a₁，a₂，a₃，…，a_n为各项指标权重系数。

随着经济发展，企业越来越多，传统的劳资纠纷预测方法存在以下两大严重的缺陷：第一，由于其采用人工打分的方式，将浪费大量的人力资源，并且很难做到实时预测；其次，每个打分项的权重系数均人为确定，划分为劳资纠纷易发生企业的分数线也由人工确定，导致预测结果准确度不高。

发明内容

本发明要解决的技术问题是，提供一种基于Logistic回归算法的劳资纠纷预测方法，预测未来可能发生劳资纠纷的公司企业，很好的为政府提供决策支持。

本发明采用的技术方案是，所述基于Logistic回归算法的劳资纠纷预测方法，包括：

步骤1，对劳资纠纷预测相关数据进行预处理；

步骤2，基于预处理后的劳资纠纷预测相关数据构建企业发生劳资纠纷概率的回归函数，基于所述回归函数构造似然函数；

步骤3，基于所述似然函数求解所述劳资纠纷预测相关数据在所述回归函数中对应的最佳参数向量，以确定出所述回归函数；

步骤4，基于确定出的所述回归函数计算每个企业发生劳资纠纷概率。

进一步的，所述劳资纠纷预测相关数据分为两类，一类是已经发生劳资纠纷的企业数据，另一类是正常运营企业的数据，每一类均包含：企业的社保缴纳数据、公积金缴纳数据、企业离职以及招聘数据、企业经营期限、企业劳动仲裁事件数量、企业法务纠纷数量、企业水电用量波动数据、企业举报信息、公司变更数据、企业行政处罚数据。

进一步的，所述步骤1，包括：

采用ETL(Extract-Transform-Load，抽取-交互转换-加载)工具对劳资纠纷预测相关数据依次进行清洗、融合、转换、标准化处理。

进一步的，所述ETL工具为Kettle。