使用深度学习模型预测员工离职

更新预告：使用3个深度学习模型完成对Kaggle公开数据集"HR Analytics Case Study"的分类预测(目前文章更新中)。

本文旨在探讨深度学习模型简单运用到表格数据的学习上的可行性，使用数据集来至于kaggle。

 总览

        首先对数据集进行预处理，处理后分别使用MLP、1DCNN、TabNet模型来学习并预测，引入Accuracy、Precision、Recall、F1-Score来评估模型。最后结合模型的输出结果来简单分析影响员工离职的关键因数。

数据处理

数据说明

        该数据集包含5个表共计29个变量、4410个样本，其中21个数字型变量，8个字符型变量，其中有两个表记录的是2015年全年的员工上下班打卡记录，节假日与周末除外。Attrition为预测变量。

数据预处理

无关变量去除

        去除Over18、StandarHours、EmployeeCount、EmployeeNumber这些常量（固定值）

持续更新中......