机器学习-员工离职预测训练赛

最新推荐文章于 2024-05-31 23:34:09 发布

星屑^

最新推荐文章于 2024-05-31 23:34:09 发布

阅读量4.8k

点赞数 7

分类专栏： note

本文链接：https://blog.csdn.net/weixin_41927423/article/details/87612430

版权

本文基于DC竞赛的员工离职预测数据集进行分析，包括数据预处理、特征选择、模型建立与评估。主要探讨了Logistic回归和随机森林算法，发现影响离职率的主要因素有加班、婚姻状况、出差、职位及部门。

摘要由CSDN通过智能技术生成

【数据来源】DC竞赛的员工离职预测训练赛
一共两个csv表格，pfm_train.csv训练（1100行，31个字段），pfm_test.csv测试集（350行，30个字段）

【字段说明】

Age：员工年龄
Attrition：员工是否已经离职，1表示已经离职，0表示未离职，这是目标预测值；
BusinessTravel：商务差旅频率，Non-Travel表示不出差，Travel_Rarely表示不经常出差，Travel_Frequently表示经常出差；、3BusinessTravel：商务差旅频率，Non-Travel表示不出差，Travel_Rarely表示不经常出差，Travel_Frequently表示经常出差；
Department：员工所在部门，Sales表示销售部，Research & Development表示研发部，Human Resources表示人力资源部；
DistanceFromHome：公司跟家庭住址的距离，从1到29，1表示最近，29表示最远；
Education：员工的教育程度，从1到5，5表示教育程度最高；
EducationField：员工所学习的专业领域，Life Sciences表示生命科学，Medical表示医疗，Marketing表示市场营销，Technical Degree表示技术学位，Human Resources表示人力资源，Other表示其他；
EmployeeNumber：员工号码；
EnvironmentSatisfaction：员工对于工作环境的满意程度，从1到4，1的满意程度最低，4的满意程度最高；
Gender：员工性别，Male表示男性，Female表示女性；
JobInvolvement：员工工作投入度，从1到4，1为投入度最低，4为投入度

关注