数据挖掘实战：员工离职预测（训练赛）

赛题来自：datacastle

任务

从给定的影响员工离职的因素和员工是否离职的记录，建立一个逻辑回归模型预测有可能离职的员工

数据

数据主要包括影响员工离职的各种因素（工资、出差、工作环境满意度、工作投入度、是否加班、是否升职、工资提升比例等）以及员工是否已经离职的对应记录。

主要字段说明

Age：员工年龄
Attrition：员工是否已经离职，1表示已经离职，2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；
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为投入度最高；
JobLevel：职业级别，从1到5，1为最低级别，5为最高级别；
JobRole：工作角色：Sales Executive是销售主管，Research Scientist是科学研究员，Laboratory Technician实验室技术员，Manufacturing Director是制造总监，Healthcare Representative是医疗代表，Manager是经理，Sales Representative是销售代表，Research Director是研究总监，Human Resources是人力资源；
JobSatisfaction：工作满意度，从1到4，1代表满意程度最低，4代表满意程度最高；
MaritalStatus：员工婚姻状况，Single代表单身，Married代表已婚，Divorced代表离婚；
MonthlyIncome：员工月收入，范围在1009到19999之间；
NumCompaniesWorked：员工曾经工作过的公司数；
Over18：年龄是否超过18岁；
OverTime：是否加班，Yes表示加班，No表示不加班；
PercentSalaryHike：工资提高的百分比；
PerformanceRating：绩效评估；
RelationshipSatisfaction：关系满意度，从1到4，1表示满意度最低，4表示满意度最高；
StandardHours：标准工时；
StockOptionLevel：股票期权水平；
TotalWorkingYears：总工龄；
TrainingTimesLastYear：上一年的培训时长，从0到6，0表示没有培训，6表示培训时间最长；
WorkLifeBalance：工作与生活平衡程度，从1到4，1表示平衡程度最低，4表示平衡程度最高；
YearsAtCompany：在目前公司工作年数；
YearsInCurrentRole：在目前工作职责的工作年数
YearsSinceLastPromotion：距离上次升职时长
YearsWithCurrManager：跟目前的管理者共事年数；

测试数据主要包括350条记录，30个字段，跟训练数据的不同是测试数据并不包括员工是否已经离职的记录；

通过由训练数据所建立的模型以及所给的测试数据，得出测试数据相应的员工是否已经离职的预测。

预处理

这里还是借助google colab 平台来练习

import pandas as pd
data = pd.read_csv('pfm_train.csv')
data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1100 entries, 0 to 1099
Data columns (total 31 columns):
Age                         1100 non-null int64
Attrition                   1100 non-null int64
BusinessTravel              1100 non-null object
Department                  1100 non-null object
DistanceFromHome            1100 non-null int64
Education                   1100 non-null int64
EducationField              1100 non-null object
EmployeeNumber              1100 non-null int64
EnvironmentSatisfaction     1100 non-null int64
Gender                      1100 non-null object
JobInvolvement              1100 non-null int64
JobLevel                    1100 non-null int64
JobRole                     1100 non-null object
JobSatisfaction             1100 non-null int64
MaritalStatus               1100 non-null object
MonthlyIncome               1100 non-null int64
NumCompaniesWorked          1100 non-null int64
Over18                      1100 non-null object
OverTime                    1100 non-null object
PercentSalaryHike           1100 non-null int64
PerformanceRating           1100 non-null int64
RelationshipSatisfaction    1100 non-null int64
StandardHours               1100 non-null int64
StockOptionLevel            1100 non-null int64
TotalWorkingYears           1100 non-null int64
TrainingTimesLastYear       1100 non-null int64
WorkLifeBalance             1100 non-null int64
YearsAtCompany              1100 non-null int64
YearsInCurrentRole          1100 non-null int64
YearsSinceLastPromotion     1100 non-null int64
YearsWithCurrManager        1100 non-null int64
dtypes: int64(23), object(8)
memory usage: 266.5+ KB

可以看到没有缺失值

这里有数值特征还有类别特征，需要把类别特征统一为数值型，这里先看看不同特征对应的离职率，以观察特征的相关性

1、年龄分布

data[['Age','Attrition']].groupby(['Age']).mean().plot.bar()

可以看到十几二十的年轻人比四十多岁的中年人较容易离职

2、出差频率分布

data[['BusinessTravel','Attrition']].groupby(['BusinessTravel']).mean().plot.bar()

这里看到出差越多离职的概率越大

其他特征也可以同样获得分布图

接下来是去除相关性不大（该属性下不同的值离职率差别不大）的特征，保留剩余的特征利用逻辑回归、神经网络、决策树来判别。代码待补充~

超好用的 pandas 之 groupby

数据挖掘实战：员工离职预测（训练赛）相关推荐

数据挖掘竞赛-员工离职预测训练赛
员工离职预测简介 DC的一道回归预测题.是比较基础的分类问题,主要对逻辑回归算法的使用.核心思路为属性构造+逻辑回归. 过程数据获取报名参与比赛即可获得数据集的百度网盘地址,这个比赛时间很久,随 ...
机器学习-员工离职预测训练赛
[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 ...
天池竞赛员工离职预测训练赛
组员:欧阳略.陶奇辉.王曙光.吴轩毅数据来源:天池大数据竞赛员工离职预测训练赛中的数据大致数据截图如下根据所给数据,我组利用Pycharm编程源代码截图如下最终,我组预测准确率为0.89,基本 ...
数据挖掘竞赛-美国King County房价预测训练赛
美国King County房价预测训练赛简介 DC上的一个回归题(正经的回归题). 比较简单. 时间原因(暂时没什么时间看国内旧赛),看了一下网上的解答,改善了一下神经网络就提交了. 过程数据获取 ...
吃鸡排名预测挑战赛空气质量预测英雄联盟大师预测手机行为识别员工离职预测猫十二分类体验赛
1.吃鸡排名预测挑战赛 https://aistudio.baidu.com/aistudio/competition/detail/155/0/introduction 2.空气质量预测https: ...
kaggle员工离职预测——SVC
一.比赛说明比赛地址:https://www.kaggle.com/c/bi-attrition-predict 问题描述数据包括员工的各种统计信息,以及该员工是否已经离职,统计的信息包括工资.出 ...
员工离职预测（logistic)(R语言)
员工离职预测(logistic) 出于工作需要及个人兴趣,学习数据分析及R语言是差不多2年前,第一篇更新的文章为m久前做的员工离职预测,当时做这个项目的主要是为了学习logistic算法,数据来源为D ...
数据分析回归问题：美国King County房价预测训练赛
这是DC竞赛网的一道基础回归问题, 美国King County房价预测训练赛竞赛详细信息:美国King County房价预测训练赛任务:从给定的房屋基本信息以及房屋销售信息等,建立一个回归模型预测 ...
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 ...
基于python的kaggle练习(二)——员工离职预测
前沿目前社会上呈现出一种公司招不到人,大批失业人员的矛盾现象,且大部分公司的离职率居高不下,很多入职没多久就辞职,所花费的培训招聘等资源都浪费了.为了弄清楚公司员工离职原因,通过kaggle上某一家 ...

数据挖掘实战：员工离职预测（训练赛）

任务

数据

预处理

数据挖掘实战：员工离职预测（训练赛）相关推荐

最新文章

热门文章