本文接着上一次的文章。具体的数据说明,可以从上次的文章中看,我这里就不再赘述了(文章链接放在下面啦!)
数据放在百度云啦!
链接: https://pan.baidu.com/s/1StTWTHAz4GHpezIiwh5Rmw 密码: uqlc
#上一次的文章
https://blog.csdn.net/qq_42839893/article/details/107592775
本文将满意度数值>0.646000的记为1,<=0.646000记为0(0.646000是满意度的中位数)
首先读入数据
import pandas as pd
import numpy as np
train = pd.read_csv('训练集.csv')
test= pd.read_csv('测试集.csv')
train
#得到如下所示的数据
为了对中文读者朋友更加友好,我将变量名称转化为中文
col = ['id','上次评分','项目数量','平均月工时','工龄','工伤','福利等级','五年内有升职','部门','工资水平','满意度']
name = {
i:j for i , j in zip(train.columns, col)}
data= train.rename(columns = name)
test = test.rename(columns = name)
data['满意度'].describe()
本文将满意度数值>0.646000的记为1,<=0.646000记为0(0.646000是满意度的50%位数)
下次再来考虑 “类别不均衡的问题吧”
data["满意度"] = data["满意度"].apply(lambda x : 1 if x < 0.646000 else 0)
data["满意度"].value_counts()
#划分训练集和测试集