机器学习——预测员工离职情况

作业要求：

根据给定的影响员工离职的因素和员工是否离职的记录，分别建立多个分类预测模型：基于信息增益的决策树模型、基于基尼指数的决策树模型、朴素贝叶斯模型、支持向量机模型，还有逻辑回归模型，预测有可能离职的员工；并对各模型进行模型评估。

#本文中的训练集为dataset1,测试集为dataset2
dataset1=pd.read_csv('pfm_train.csv')
dataset2=pd.read_csv('pfm_test.csv')

先导入可能需要的库：

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
  
from sklearn.tree import DecisionTreeClassifier  
from sklearn import datasets 
from sklearn.naive_bayes import GaussianNB 
from sklearn.svm import SVC 

一.数据清洗

1.缺失值处理

检查数据集中是否有缺失值，并决定如何处理（如填充、删除或插值） 

# 统计缺失值
print(dataset1.isnull().sum())#训练集
print(dataset2.i