python推荐系统算法朴素贝叶斯_朴素贝叶斯算法在人才盘点中的应用（之一）

一、识别人才首先是处理不确定性问题

做招聘面试的HR应该会认同这样的经历。

打开应聘者简历，赫然写着TOP10名学毕业。抬头一瞧，小伙长得一表人才，精神抖擞，朝气蓬勃。HR兴趣大增。

再一看，研究方向对口，本硕连读，多次获国家奖学金。HR已经眼放绿光。

暗中观察，小伙思维敏捷，阳光开朗，真是少年才俊！这时，HR反倒有些迟疑，毕竟被当陪练、当备胎的教训不少。心里担心这么优秀，怕是招不来，来了也留不住。

仔细一聊，原来小伙家在我省，女友在我市，一门心思要来我司。HR心里确定，就是他了。

其实，毕业名校就一定是人才吗？学霸就一定是人才吗？不见得。只不过，当这些特征集于一身时，HR的经验告诉自己，这个人是人才的概率要大许多。

研究不确定性问题，当然不能仅凭感觉和经验。它一样有科学的依据和方法。机器学习中的概率模型就是其中一种。

二、机器学习在人才识别中的优势

人是难于评价的，在招聘、考核、选拔，根本没有金标准，从来没有什么标准告诉我们，谁一定是人才。我们要真正做到不唯学历、不唯资历、不唯年龄，就需要把各方面的信息和评价综合应用做决策。这项工作，一直依靠HR的经验甚至直觉。

决定人的业绩的因素中，有他的知识技能、能力素质、价值观、动机，也有外在管理环境、市场条件等，还有其他随机因素。我们暂不去做深入研究，因为它的复杂程度和高昂成本。我上学时听过几句话，大概是说：世界是物质的，物质是运动的，运动是有规律的，规律是可以被认识的。借用过来，可以解读为：优秀的人才，会表现出某些特征，而群众的智慧总会敏锐地捕捉到这些特征并留下印记，例如年度考核结果。也许这些特征是零散的、有误差甚至被造假。但在大量数据面前，它将得到合理处置。

处理大量数据，并不是人脑的强项。银行卡密码设计成6位，因为多了你可能记不住！

如果我们利用HR的经验知识，基于大量的数据，建立特定算法，让机器能按照HR的逻辑进行思考，去寻找优秀人才的特征规律，发现量化的联系，把这项交给机器来处理，至少是作为决策辅助，岂不更妙？毕竟机器的记忆力永久，内存空间、计算能力可视同无限。

简单来说，人才识别可当作有监督机器学习中的分类问题。喂给机器大量有关员工的数据，并告诉它哪些是优秀人才，哪些不是，然后给它一个全新的员工的数据，让它预测是不是优秀人才。实现的算法很多，在我的项目里，朴素贝叶斯最NB，没有之一。

三、公式推导与基本原理

1. 贝叶斯定理

由联合概率的定义可知：

联合概率示意图

所以：

上式即贝叶斯定理。多么朴实无华！

如果我们按照习惯，将员工的特征以D表示，对人才识别结果的假设以H表示，则贝叶斯公式可写为：

其中：

左边的

是指在证据的情况下假设发生的概率，称为

。

右边的

是在没有任何证据的情况下H发生的概率，称为

。

右边的

是在该假设发生的情况下，出现该证据的概率，称为

。

右边的

是一个归一化因子，保证所有概率之和等于1。

后验概率是我们想知道的，先验概率是已知的，似然度也可以根据已知的数据去算得。

2.贝叶斯分类模型

事物具有的特征不只1个，假设H也可能是多个。设

是

维向量

，代表事物具有的

个特征，

是

维向量

。贝叶斯公式改写为：

考虑假设

是一个完备事件组，则分母可以按全概率公式展开：

其值与

无关，故：

应用贝叶斯定理进行分类的原理就是，根据某实例的特征，求得最可能的假设:

在实际应用中，上式中的先验概率

可以通过

在训练数据集中的频率进行估计。若采用相同方法估计似然度，则通常不可行。

的项数为每个特征可能取值之积与可能的假设数量相乘。例如，对10个特征的二分类问题，每个特征可取2个值，则似然度的项数将达到

项(若每个特征可取3个值，则项数将达到

项)！而且，要保持这一估计的合理性，同一特征组合应出现多次(例如10次)，这样大的训练数据集，通常很难找到。

3. 朴素贝叶斯分类模型

名字里加上“朴素”两个字，因为它增加了一条朴素的假设：给定假设时特征之间相互条件独立。于是，联合概率可简化为每个单独特征的概率之积：

如下可求得最可能的假设：

此时，似然度的项数仅为40项。而且，同一样本的10个特征都可单独作为似然度的训练数据。这对训练数据集大小的要求极大降低。

具体到对

的分布进行假设，还需进一步细分为伯努利朴素贝叶斯,多项式朴素贝叶斯和高斯朴素贝叶斯，本文不作深入探讨。

四、一个关于李雷和韩梅梅的通俗例子

李雷和韩梅梅

今年，某高中高三班新来一位名叫李雷的同学，其他同学并不了解的任何信息，所以，只能依据该校历年一本上线率20%，估计李雷将来考上一本的可能性也是20%。这是

。

接下来的一个月，班主任老师发现，李雷每天都去上自习。根据学校以往的调查，那些考上一本的学生，几乎全部天天泡自习室，那些没考上一本的学生，也有30%天天泡在自习室里。这是

。

有了这个信息，在老师看来，李雷考上一本的可能性，从20%提高到了45%。这是

。计算过程如下 ：

证据

假设

每天上自习

考上一本

0.2

1

0.2

0.44

0.45

每天上自习

考不上一本

0.8

0.3

0.24

0.44

0.55

隔壁班上有个叫韩梅梅的学生，是李雷的发小，全校只有她知道，李雷原来所在的学校是省重点，那个学校的一本上线率高达40%。所以，在韩梅梅的判断里，先验概率不是其他同学所估计的20%，而是40%。这就是

！

在她看来，李雷考上一本的可能性高达69%。计算过程如下：

证据

假设

每天上自习

考上一本

0.4

1

0.4

0.58

0.69

每天上自习

考不上一本

0.6

0.3

0.18

0.58

0.31

其实，李雷并没有告诉大家，他一直是原来学校的年级倒数第一，大名鼎鼎的学渣一枚，奋斗目标可不是什么五道口理工学院，他说英雄不问出处，自己不挑学校！天天去自习室，是因为韩梅梅也每天呆那儿！这就是

！

掌握的信息越多，对事物的判断将更准确！企业的员工那么多，HR还应付得过来吗？

如何把这些原理和方法用于企业里的人才识别？效果能好吗？什么样的企业可以试试？

敬请关注，持续更新！