多分类模型尝试-员工是否离职预测

目录

文章目录

前言

一、初始化

二、了解数据集

三、了解变量

四、特征处理

五、建模

5.1 模型一：逻辑回归

5.2 模型二：KNN

5.3 模型三：随机森林

总结

---

前言

本项目的主要内容是对公司员工进行分类 预测其两年内是否会离职

尝试模型：逻辑回归、KNN、随机森林

变量含义：

· Education：受教育水平  
· JoiningYear：加入公司年份  
· City：所在城市  
· PaymentTier ：薪资支付水平  
· Age ：年龄  
· Gender ：性别  
· EverBenched ：历史是否离开过一个月及以上时间  
· ExperienceInCurrentDomain：在当前领域的经验  
· LeaveOrNot ：是否离职  

一、初始化

导入相关包和库

#数据处理包
import numpy as np
import pandas as pd

#画图
import matplotlib.pyplot as plt
from matplotlib import rcParams
import seaborn as sns 

#建模
from sklearn.preprocessing import scale,LabelEncoder #用于数据预处理模块的缩放器、标签编码
from sklearn.model_selection import train_test_split #数据集分类器 用于划分训练集和测试集
from sklearn.metrics import classification_report,accuracy_score #评估预测结果
from sklearn.linear_model import LogisticRegression #逻辑回归
from sklearn.neighbors import KNeighborsClassifier #KNN
from sklearn.tree import DecisionTreeClassifier #决策树
from sklearn.ensemble import RandomForestClassifier #随机森林
from sklearn.ensemble import GradientBoostingClassifier #XGB分类

设置显示

#设置输出全部结果 而非只有最后一个
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

#设置正常显示负号和中文
%matplotlib inline
plt.rcParams['font.family'] = 'SimHei' #用来正常显示中文
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

导入数据

#读取数据
data = pd.read_csv("/和鲸数据/多分类模型尝试-员工是否离职预测/Employee.csv")
data.head()

二、了解数据集

data.shape # 查看数据集结构 
data.head() # 预览数据
data.isnull().sum() # 查看每一列的缺失值数量

由此可知，数据集共有4653行&9列，特征变量中无缺失值。

data.info() # 查看特征类型