Binary Focal Loss

新框架利用时间序列人工智能预测员工缺勤

研究人员开发了一种新的时间序列分类框架，旨在预测个体员工的缺勤情况。该方法通过将历史出勤序列与未来缺勤标签分开，实现了更主动的预测，这与现有方法不同。该框架使用模拟数据集进行了测试，并评估了三种深度学习架构：LSTM、CNN 和 LSTM-FCN，其中 LSTM-FCN 表现强劲。研究还分析了在严重类别不平衡下二元焦点损失 (BFL) 和几何平均值 (G-Mean) 损失函数的有效性，发现 BFL 在经过适当校准后是有效的。