前言：

2020年初一场疫情使得众多公司面临裁员，众多员工无奈选择离职，那么该如何使用python这一编程语言分析员工流失。找出员工离开公司的原因，并学会预测谁将离开公司。

在过去，大多数的重点是“比率”，如自然减员率和保留率。人力资源经理计算以前的比率，尝试使用数据仓库工具预测未来的比率。这些利率反映了动荡的总体影响，但这是一半的情况。另一种方法可以是除了聚合之外，还将重点放在单个记录上。

有很多关于客户流失的案例研究。在客户流失中，您可以预测客户将在什么时候停止购买。员工流失与客户流失相似。它主要关注的是员工而不是客户。在这里，您可以预测谁，以及员工何时终止服务。员工流失成本很高，而增量式的改进将带来显著的效果。这将有助于我们设计更好的留用计划和提高员工满意度。

在本教程中，您将讨论以下主题：

• 员工流失分析
• 数据加载与理解特征
• 探索性数据分析和数据可视化
• 聚类分析
• 利用梯度增强树建立预测模型。
• 评价模型性能
• 结语

员工流失分析

员工流失可以定义为智力资产从公司或组织中泄露或离开。或者，用简单的话来说，你可以说，当员工离开组织时，被称为“流失”。另一个定义可以是当一个群体中的一个成员离开一个群体时，也就是所谓的“搅动”。

研究发现，员工流失受年龄、任期、薪酬、工作满意度、工资、工作条件、成长潜力和员工公平观念等因素的影响。其他一些变量，如年龄、性别、种族、教育程度和婚姻状况，是预测员工流失的重要因素。在某些情况下，比如拥有利基技能的员工就很难被取代。它影响到现有雇员的持续工作和生产力。作为替代者，收购新员工有其成本，如招聘成本和培训成本。此外，新员工将需要时间学习技能，在类似水平的技术或商业专业知识的老员工。组织通过应用机器学习技术预测员工流失来解决这个问题，这有助于他们采取必要的行动。

以下几点有助于您更好地理解员工和客户的流失：

• 企业选择雇佣员工，而在市场营销中，你却不能选择你的客户。
• 员工将是你公司的代言人，集体地，员工生产你公司所做的每一件事。
• 失去顾客会影响收入和品牌形象。与保留现有客户相比，获得新客户是困难和昂贵的。员工流失对公司一个组织来说也是痛苦的。寻找和培训替代者需要时间和精力。

与客户流失相比，员工流失具有独特的动态特性。它帮助我们设计更好的员工留用计划，提高员工满意度。数据科学算法可以预测未来的波动。

导入模块

加载数据集

让我们首先使用熊猫的ReadCSV函数加载所需的人力资源数据集。您可以从链接.

这里，在给定的数据集中，原始数据由逗号分隔符(“，”)分隔。您可以更仔细地查看数据，借助熊猫图书馆的“head()”功能，它返回了前五项观察结果。类似地，“tail()”返回最后五个观察结果。

加载数据集之后，您可能希望了解更多有关它的信息。您可以使用info()检查属性、名称和数据类型。

该数据集有14 999个示例，以及10个属性(6个整数、2个浮点数和2个对象)。没有变量列具有空/缺失值。

您可以将10个属性详细描述为：

• 满意度水平：这是员工满意点，从0到1不等.
• 最后一次评估：由雇主对业绩进行评估，其范围也从0到1。
• Number_Projects：分配给员工的项目数量是多少？
• 平均每月工作时数：一个月内雇员平均工作时数是多少？
• 时间消耗公司：时间消耗公司是指员工的经验。雇员在公司工作的年数。
• 工伤事故：员工是否发生过工伤事故。
• 晋升5年：员工是否在过去5年中获得过晋升。
• 部门：员工工作部门/部门。
• 薪资：员工的薪资水平，如低、中、高。
• 左：员工是否已离开公司。

让我们跳进数据洞察

在给定的数据集中，有两种类型的员工--一种是留下来的，另一种是离开公司的。因此，您可以将数据分成两组，并比较它们的特点。在这里，您可以使用groupby()和means()函数找到这两个组的平均值。

在这里，你可以解释说，离开公司的员工满意度低，晋升率低，薪水低，与留在公司的员工相比，他们工作得更多。

大熊猫的描述功能便于获取各种汇总统计数据。此函数返回数据的计数、平均值、标准差、最小值和最大值以及分位数。

数据可视化

雇员离开

让我们查查还剩多少员工？

在这里，您可以使用Matplotlib绘制条形图。条形图适用于离散变量计数的显示。

在这里，你可以看到大约15000人留下了3，571人，并留下了11，428人。剩下的雇员人数占总就业人数的23%。

项目数目

类似地，您还可以绘制一个条形图来计算部署在多少个项目上的员工数量？

大多数员工都是从3-5开始做这个项目的。

在公司工作的时间

同样，您也可以绘制一个条形图来根据多少经验来计算员工的数量？

大多数员工有2-4年的工作经验。而且，3年和4年经验丰富的员工之间存在着巨大的差距。

使用Seborn的子图

这是您可以一个一个地分析这些特性的方法，但这将是很费时的。更好的选择是使用Seborn库并使用子图在一次运行中绘制所有图。

您可以在上面的可视化中观察到以下几点：

• 大多数员工都是从3-5开始做这个项目的。
• 在3年到4年的经验员工之间有一个巨大的下降。
• 剩下的雇员人数占总就业人数的23%。
• 在过去的5年里，获得晋升的员工数量明显减少了。
• 销售部的员工人数最多，其次是技术和支持部门。
• 大多数雇员的工资要么中等，要么低。

您可以在上面的可视化中观察到以下几点：

• 那些项目数量超过5个的员工离开了公司。
• 完成了6个和7个项目的员工离开了公司，似乎他们的工作负担过重。
• 有五年工作经验的员工因过去5年没有晋升而离职更多，超过6年的工作经验因对公司的感情而不离职。
• 那些在过去5年里升职的人没有离开，也就是说，所有离开的人在过去的5年里都没有得到升职。

数据分析和可视化摘要：

以下特点最能影响一个人离开公司：

• 晋升：如果员工在过去5年没有得到升职，那么他们辞职的可能性要大得多。
• “公司时代”：在这里，三年制看起来是员工职业生涯中的一个关键时刻。他们中的大多数人都是在三年左右辞职的。另一个重要的问题是6年，在这一点上，员工不太可能离开。
• 项目数量：员工敬业是影响员工离职的另一个关键因素。3到5个项目的员工离开公司的可能性较小。项目数量越来越少的员工可能会离开。
• 薪资：在中、低薪资组中辞职的大多数员工。

让我们找出离开的员工群体。你可以观察到，任何员工留下来或离开的最重要因素是满意程度和在公司的表现。所以让我们用聚类分析把他们聚集在一组人中。

聚类分析

在这里，离开公司的员工可分为3类：

• 高满意度和高评价(在图中用绿色阴影)，你也可以称他们为优胜者。
• 低满意度和高评价(由蓝色阴影(在图中的绿色阴影)，你也可以说他们沮丧。
• 适度的满意度和适度的评价(在图中用灰色阴影)，你也可以称它们为“坏匹配”。

建立预测模型

预处理数据

许多机器学习算法都需要数值输入数据，因此需要在数值列中表示分类列。

为了对这些数据进行编码，您可以将每个值映射到一个数字。例如，薪资列的值可以表示为

低：0、中等：1和高：2。

这个过程被称为标签编码，SskLearning可以方便地为您使用LabelEncoder完成这一过程。

在这里，您导入了预处理模块并创建了Label Encoder对象。使用此LabelEncoder对象，您可以将“工资”和“部门”列转换为数字列。

分体式列车及测试装置

要理解模型性能，将数据集划分为训练集和测试集是一种很好的策略。

让我们使用函数TRANS_TEST_Split()来拆分数据集。您需要传递3个参数特性、目标和test_set大小。此外，您还可以使用随机状态来随机选择记录。

在这里，数据集按70：30的比例分为两部分。这意味着70%的数据将用于模型训练，30%用于模型测试。

模型建立

让我们建立一个员工流失预测模型。

在这里，您将使用梯度增强分类器来预测搅拌。

首先，导入GradientBoostingClassfier模块并使用GRadientBoostingClassfier()函数创建梯度增强分类器对象。

然后，使用FIT()在火车集中拟合模型，并使用PRECT()对测试集执行预测。

评价模型性能

好吧，你的分类率是97%，被认为是正确的。

精度：精确是指精确，即你的模型有多精确。换句话说，你可以说，当一个模型做出预测时，它多久才是正确的。在你的预测案例中，当你的梯度提升模型预测一个员工将要离开时，该员工实际上95%的时间离开了。

回忆：如果有一个员工离开了测试集和你的梯度提升模型可以识别92%的时间。

结语

恭喜你，你终于完成了本教程！

在本教程中，您已经了解了什么是员工流失？，它与客户流失有何不同，使用matplotlib和seabelln对员工流失数据集进行探索性数据分析和可视化，使用python Scikit-Learning包进行建模和评估。

我期待听到任何反馈或问题。你可以留下评论来问一个问题，我会尽力回答的。