数据分析--用R语言预测离职（上）

数据分析–用R语言预测离职（上）

本文参考的文章：
1.R语言-离职率分析
2.R语言-逻辑回归+主成分分析-员工离职预测训练赛
3.Kaggle十大经典案例—员工离职预测
4.Kaggle十大案例精讲（免费）
5.数据分析实例：员工流失建模与预测

数据来源：
SAMPLE DATA: HR Employee Attrition and Performance

数据可以直接下载，字段都是英文的，部分字段描述如下：

变量类型	变量名	描述	取值范围
结果变量	Attrition	员工是否流失	Yes, No
自变量	Age	年龄	数值
	BusinessTravel	出差	1.Non-Travel， 2.Travel_Rarely 3.Travel_Frequently
	Department	部门	1.Sales 2.Research & Development 3.Human Resources
	DistanceFromHome	公司到家的距离	数值
	Education	学历	1 ‘Below College’ 2 ‘College’ 3 ‘Bachelor’ 4 ‘Master’ 5 ‘Doctor’
	EducationField	学历领域
	EnvironmentSatisfaction	环境满意度	1 ‘Low’ 2 ‘Medium’ 3 ‘High’ 4 ‘Very High’
	Gender	性别	1.Male 2.Female
	JobInvolvement	工作投入	1 ‘Low’ 2 ‘Medium’ 3 ‘High’ 4 ‘Very High’
	JobLevel	职位等级
	JobRole	职位
	JobSatisfaction	工作满意度	1 ‘Low’ 2 ‘Medium’ 3 ‘High’ 4 ‘Very High’
	MaritalStatus	是否结婚	1.Single 2.Married 3.Divorced
	MonthlyIncome	月收入	数值
	NumCompaniesWorked	任职过的企业数量	数值
	OverTime	是否加班	Yes, No
	PercentSalaryHike	涨薪百分比	数值
	PerformanceRating	绩效评分	1 ‘Low’ 2 ‘Medium’ 3 ‘High’ 4 ‘Very High’
	RelationshipSatisfaction	关系满意度	1 ‘Low’ 2 ‘Medium’ 3 ‘High’ 4 ‘Very High’
	StockOptionLevel	员工优先认股权	数值
	TotalWorkingYears	工龄	数值
	TrainingTimesLastYear	上一年培训次数	数值
	WorkLifeBalance	工作与生活平衡情况	1 ‘Bad’ 2 ‘Good’ 3 ‘Better’ 4 ‘Best’
	YearsAtCompany	在公司工作时间	数值
	YearsInCurrentRole	当前职位的工作时间	数值
	YearsSinceLastPromotion	距离上次升职的时间	数值
	YearsWithCurrManager	与当前经理工作的时间	数值

---