In Human Resource Management (HRM),

In Human Resource Management (HRM), the top challenge for HR professionals is managing the organizational talents. The talent management problem can be solved using the classification technique in data mining. There are several classification techniques present such as Decision Tree, Neural Networks, Support vector machine (SVM) and nearest neighbour algorithm. In this paper we suggest a combined hybrid approach CACC-SVM for potential classification of HR data. This approach yields better accuracy than the traditional classification algorithms because of concise summarization of continuous attributes through CACC discretization and high performing generalized classifier SVM.

ผลลัพธ์ (ไทย) 1:

ในมนุษย์ทรัพยากรจัดการ (HRM), ด้านความท้าทายของ HR มืออาชีพเป็นการจัดการความสามารถขององค์กร ความสามารถจัดการปัญหาสามารถแก้ไขได้โดยใช้เทคนิคการจัดประเภทในการทำเหมืองข้อมูล มีหลายประเภทเทคนิคอยู่ เช่น ต้นไม้การตัดสินใจ เครือข่ายประสาท สนับสนุนเครื่องแบบเวกเตอร์ (SVM) และ ใกล้อัลกอริทึม neighbour ในเอกสารนี้ เราขอแนะนำเป็นวิธีผสมรวม CACC SVM สำหรับการจัดประเภทข้อมูล HR มีศักยภาพ วิธีการนี้ทำให้ความแม่นยำดีกว่าอัลกอริทึมการจัดประเภทแบบดั้งเดิมเนื่องจากสรุปกระชับของแอตทริบิวต์อย่างต่อเนื่องผ่าน CACC discretization และสูงการตั้งค่าทั่วไป classifier SVM

ผลลัพธ์ (ไทย) 2:

ในการบริหารทรัพยากรมนุษย์ (HRM) ความท้าทายสูงสุดสำหรับผู้เชี่ยวชาญด้าน HR คือการจัดการความสามารถขององค์กร ปัญหาการจัดการความสามารถจะสามารถแก้ไขได้โดยใช้เทคนิคการจัดหมวดหมู่ในการทำเหมืองข้อมูล มีเทคนิคการจัดหมวดหมู่หลายปัจจุบันเช่นต้นไม้ตัดสินใจประสาทเครือข่ายสนับสนุนเครื่องเวกเตอร์ (SVM) และขั้นตอนวิธีการเป็นเพื่อนบ้านที่ใกล้ที่สุด ในบทความนี้เราขอแนะนำวิธีการไฮบริดรวม CACC-SVM สำหรับการจำแนกประเภทของข้อมูลที่มีศักยภาพทรัพยากรบุคคล วิธีการนี​​้จะมีอัตราผลตอบแทนที่ดีกว่าความถูกต้องขั้นตอนวิธีการจัดหมวดหมู่แบบดั้งเดิมเพราะการสรุปที่กระชับของคุณลักษณะอย่างต่อเนื่องผ่าน CACC ต่อเนื่องและมีประสิทธิภาพสูงลักษณนาม SVM ทั่วไป

ผลลัพธ์ (ไทย) 3:

ในการจัดการทรัพยากรมนุษย์ ( HRM ) , ความท้าทายด้านบนสำหรับผู้เชี่ยวชาญด้าน HR คือการจัดการความสามารถขององค์การ ความสามารถในการจัดการปัญหาจะสามารถแก้ไขได้โดยใช้การจำแนกเทคนิคในการทำเหมืองข้อมูล มีหลายหมวดหมู่ เช่น ปัจจุบันโครงสร้างการตัดสินใจ เทคนิคโครงข่ายประสาทเทียม , เครื่องเวกเตอร์สนับสนุน ( SVM ) และเพื่อนบ้านที่ใกล้ที่สุดขั้นตอนวิธีในกระดาษนี้เราขอแนะนำวิธีการ cacc-svm รวมไฮบริดสำหรับประเภทของทรัพยากรข้อมูลที่อาจเกิดขึ้น วิธีการนี้ให้ผลแม่นยำกว่าขั้นตอนวิธีการจำแนกแบบสรุปรวบรัด เพราะค่าของแอตทริบิวต์อย่างต่อเนื่องผ่านทาง cacc และมีประสิทธิภาพสูงทั่วไปลักษณนาม SVM .