r语言员工离职_用R语言分析与预測员工离职

最新推荐文章于 2023-01-09 23:19:32 发布

香江不知名前浪

最新推荐文章于 2023-01-09 23:19:32 发布

阅读量627

点赞数

文章标签： r语言员工离职

本文链接：https://blog.csdn.net/weixin_34119722/article/details/111900507

版权

本文使用R语言对kaggle上的人力资源数据集进行员工离职的分析和预测。作者通过数据读取、预处理、EDA和机器学习建模，特别是利用random forest算法进行离职情况预测。结果显示模型具有高精度，AUC达到0.9926，体现了数据集的质量和rf算法的效果。

摘要由CSDN通过智能技术生成

作者简单介绍

糖甜甜甜，R语言中文社区专栏作者

公众号：经管人学数据分析

在实验室搬砖之后，继续我们的kaggle数据分析之旅，这次数据也是答主在kaggle上选择的比較火的一份关于人力资源的数据集，关注点在于员工离职的分析和预測，依旧还是从数据读取，数据预处理，EDA和机器学习建模这几个部分開始进行，最后使用集成学习中比較火的random forest算法来预測离职情况。

数据读取

setwd("E:/kaggle/human resource")

library(data.table)

library(plotly)

library(corrplot)

library(randomForest)

library(pROC)

library(tidyverse)

library(caret)

glimpse(hr)

sapply(hr,function(x){sum(is.na(x))})

————————————————————————————————————————————————————————————————————————————————————

Observations: 14,999

Variables: 10

$ satisfaction_level 0.38, 0.80, 0.11, 0.72, 0.37, 0.41, 0.10, 0.92, 0.89, 0.42, 0.45, 0.11, 0.84, 0.41, 0.36, 0.38, 0.45, 0.78, 0.45, 0.76, 0.11, 0.3...

$ last_evaluation 0.53, 0.86, 0.88, 0.87, 0.52, 0.50, 0.77, 0.85, 1.00, 0.53, 0.54, 0.81, 0.92, 0.55, 0.56, 0.54, 0.47, 0.99, 0.51, 0.89, 0.83, 0.5...

$ number_project 2, 5, 7, 5, 2, 2, 6, 5, 5, 2, 2, 6, 4, 2, 2, 2, 2, 4, 2, 5, 6, 2, 6, 2, 2, 5, 4, 2, 2, 2, 6, 2, 2, 2, 4, 6, 2, 2, 6, 2, 5, 2, 2, ...

$ average_montly_hours 157, 262, 272, 223, 159, 153, 247, 259, 224, 142, 135, 305, 234, 148, 137, 143, 160, 255, 160, 262, 282, 147, 304, 139, 158, 242,...

$ time_spend_company 3, 6, 4, 5, 3, 3, 4, 5, 5, 3, 3, 4, 5, 3, 3, 3, 3, 6, 3, 5, 4, 3, 4, 3, 3, 5, 5, 3, 3, 3, 4, 3, 3, 3, 6, 4, 3, 3, 4, 3, 5, 3, 3, ...

$ Work_accident 0,