r语言员工离职_使用R机器学习进行员工离职预测系列(一）

最近一直觉得，其实机器学习的门槛并不高，以R语言的角度，甚至稍微学过一点，就可以针对相关数据进行各种算法模型的建立和测试。

而真正有难度的地方一是算法优化部分，二是和对于模型评价的部分，这两个部分往往涉及更多的知识点。

本文用的数据集是kaggle上的员工离职数据集，大家可以自行下载，下面是用R选择逻辑回归算法建模预测的过程。

首先加载数据

hrdata

看数据结构，预测变量是left，就是员工是否离职

str(hrdata)

'data.frame':14999 obs. of 10 variables:

$ satisfaction_level : num 0.38 0.8 0.11 0.72 0.37 0.41 0.1 0.92 0.89 0.42 ...

$ last_evaluation : num 0.53 0.86 0.88 0.87 0.52 0.5 0.77 0.85 1 0.53 ...

$ number_project : int 2 5 7 5 2 2 6 5 5 2 ...

$ average_montly_hours : int 157 262 272 223 159 153 247 259 224 142 ...

$ time_spend_company : int 3 6 4 5 3 3 4 5 5 3 ...

$ Work_accident : int 0 0 0 0 0 0 0 0 0 0 ...

$ left : int 1 1 1 1 1 1 1 1 1 1 ...

$ promotion_last_5years: int 0 0 0 0 0 0 0 0 0 0 ...

$ Department : Factor w/ 10 levels "accounting","hr",..: 8 8 8 8 8 8 8 8 8 8 ...

$ salary : Factor w/ 3 levels "high","low","medium": 2 3 3 2 2 2 2 2 2 2 ..ka

把数据分为训练数据和测试数据：

set.seed(123)

ind

train

test

看看两个数据集是否均衡

table(train$left)

0 1

8029 2511

table(test$left)

0 1

3399 1060

当下不做任何探索和优化，直接建模，把除了离职left数据之外的所有数据列作为特征进行预测。

hrdata_glm

summary(hrdata_glm)

上面一句话就完成了逻辑回归模型的建立和训练，然后看看我们的模型对于训练数据集的准确性度，使用混淆矩阵进行查看

train.result =0.5,1,0)

confusionMatrix(factor(train.result),factor(train$left))

Confusion Matrix and Statistics

Reference

Prediction 0 1

0 7474 1590

1 555 921

Accuracy : 0.7965

95% CI : (0.7887, 0.8041)

No Information Rate : 0.7618

P-Value [Acc > NIR] : < 2.2e-16

可以看到，在没有任何特征选择和优化的情况下，训练已经能够得到0.8的准确率，也就是解释了80%的结果。但是这里有个误区，混淆矩阵里对于预测没有离职但是实际离职的人数达到1590人，占所有总离职人数的大部分，从这点上来说，模型并不让人满意。

优化模型有多种方法，一是仍然使用逻辑回归，但是进行特征和参数优化，二是选择其他模型和算法，我们以后再讲。

r语言员工离职_使用R机器学习进行员工离职预测系列(一）相关推荐

r语言svr模型_使用R语言建立一个决策树回归模型
决策树是一种简单但使用广泛的分类算法,根据目标变量的类型,决策树分为分类决策树(目标变量为因子型)与回归决策树(目标变量为连续数值型).在这里,我们使用R建议一个回归决策树模型. 决策树简单介绍对于 ...
r语言 bsda包_使用R语言creditmodel包进行Vintage分析或留存率分析
1 什么是vintage分析? Vintage分析(账龄分析法)被广泛应用于信用卡及信贷行业,这个概念起源于葡萄酒,即不同年份出产的葡萄酒的品质有差异,那么不同时期开户或者放款的资产质量也有差异,其核 ...
r语言siggenes包_初探R语言可视化交互式包plotly——旭日图（Sunburst Chart）
ploylt原来是一款用来做数据分析和可视化的在线平台,后来有人开发了一些语言(Python.R.Matlab等)的API,在R里就是plotly包了.plotly已经发布在CRAN上了,要想安装,仅 ...
r语言线性回归相关系数_基于R语言的lmer混合线性回归模型
原文基于R语言的lmer混合线性回归模型tecdat.cn 混合模型适合需求吗? 混合模型在很多方面与线性模型相似.它估计一个或多个解释变量对响应变量的影响.混合模型的输出将给出一个解释值列表,其 ...
r语言lm函数_如果R语言自带函数不能用，那我就自己写一个
一个很大的矩阵, 320127 行, 8189列,假如用一个全为0的普通矩阵来存储,需要用到9.8Gb cols 8189 rows 320127 mat matrix(data = 0, nrow= ...
r语言悲观剪枝_《R语言编程—基于tidyverse》新书信息汇总
我之前预告过的 R 语言新书,起名为<R语言编程-基于tidyverse>,本书的目的是为了在国内推广 R 语言和 R 语言最新技术,电子版将始终跟踪最新并免费分享.本书非常适合新手 R ...
r语言悲观剪枝_【R语言新书】前言Ⅲ—R语言编程思想
张敬信:我的R语言新书信息汇总zhuanlan.zhihu.com 0.3 R 语言编程思想 0.3.1 面向对象 R 是一种基于对象的编程语言,即在定义类的基础上,创建与操作对象:数值向量.函数. ...
r语言pls分析_基于R语言的PLS算法的实现解读.pptx
基于R语言的PLS算法的实现及研究目录使用的开发工具偏最小二乘的设计思想基于R语言.MATLAB的偏最小二乘的实现通径分析测定系数实验分析使用的开发工具 R 语言(R是用于统计分析.绘 ...
r语言断轴画图_基于R语言绘制坐标轴截断图
画图时经常遇到不同组的数据大小相差很大,大数据就会掩盖小数据的变化规律,这时候可以对Y轴进行截断,从而可以在不同层面(大数据和小数据层面)全面反映数据变化情况,如下图所示. 搜索截断图绘制的方法,有根 ...
r语言平均值显著性检验_最全的R语言统计检验方法_数据挖掘中R语言的运用
最全的R语言统计检验方法_数据挖掘中R语言的运用统计检验是将抽样结果和抽样分布相对照而作出判断的工作.主要分5个步骤:建立假设求抽样分布选择显著性水平和否定域计算检验统计量判定假设检验(h ...

r语言员工离职_使用R机器学习进行员工离职预测系列(一）

r语言员工离职_使用R机器学习进行员工离职预测系列(一）相关推荐

最新文章

热门文章