第一次离职了

  第一次离职了,没了之前的忐忑,都说万事开头难,开头了也就坦然了。第一次离职没什么遗憾,经历了所有的正规程序,从入职签合同,到工作以及期间的工作交流,最后才知道原来离职还要签离职书。从中也学到了很多,现在罗列一下,算是对自己的小过去做个总结。

转载于:https://www.cnblogs.com/flyoung/p/4692011.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的中文员工离职预测的随机森林可视化代码示例: ```python # 导入必要的库 import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.tree import export_graphviz import pydot # 加载数据 data = pd.read_csv('employee_turnover.csv', header=0) # 将分类变量转换为数值变量 data['salary'] = data['salary'].map({'low': 0, 'medium': 1, 'high': 2}) data['dept'] = pd.factorize(data['dept'])[0] # 分割数据集为训练集和测试集 train = data.sample(frac=0.8, random_state=1) test = data.drop(train.index) # 定义自变量和因变量 features = ['satisfaction_level', 'last_evaluation', 'number_project', 'average_montly_hours', 'time_spend_company', 'Work_accident', 'promotion_last_5years', 'salary', 'dept'] target = 'left' # 训练随机森林模型 rf = RandomForestClassifier(n_estimators=100, max_features=3, oob_score=True) rf.fit(train[features], train[target]) # 输出模型精度 print('Out-of-bag score estimate:', rf.oob_score_) print('Test data accuracy:', rf.score(test[features], test[target])) # 可视化决策树 tree = rf.estimators_[5] export_graphviz(tree, out_file='tree.dot', feature_names=features, class_names=['0', '1'], rounded=True, proportion=False, precision=2, filled=True) (graph, ) = pydot.graph_from_dot_file('tree.dot') graph.write_png('tree.png') ``` 这个代码将员工满意度、最近一次评估、参与的项目数量、平均每月工作小时数、在公司工作时长、是否发生工伤、过去5年是否晋升、薪资和部门等变量用于预测员工是否会离职。随机森林模型使用100棵树,每棵树最多使用3个特征进行拟合。最后,它将第6棵树可视化为图像(tree.png)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值