人力资源分析人员识别员工可能辞退的机器学习分类模型:利用人力资源措施来建立分类模型并检测可能离职的员工 源码
人力资源分析人员确定可能辞职的员工 利用人力资源措施来建立分类模型,并发现可能离开公司的员工 本笔记本旨在预测辞职风险最高的员工。 kaggle上提供了“ HR Analytics员工流失与绩效”挑战,目的是对员工流失进行分类。 数据集 该数据集可在kaggle。 该数据集由1470名员工的HR记录组成,这些记录提供各种信息,例如: 年龄 婚姻状况 服务年限 教育程度 工作级别和工作类型,薪水... 它还包括有关员工的动机,绩效,工作条件等信息,这些信息可以由管理人员在评估和年度审查期间收集。 总而言之,该数据集包含35个KPI,这些KPI将用作特征来建立辞职可能性的分类模型。 对于每个雇员,数据集都指示该雇员是否已离开公司。 这称为“损耗”。 这是项目的响应变量。 问题陈述 公司在招聘和培训上花费了大量时间,精力和资源。 据估计,招聘过程的费用为员工工资的15%至20%。 招聘会消
文件列表
HR-analytics-Identify-Employees-likely-to-quit-with-ML-Classification-Models-main.zip
(预估有个6文件)
HR-analytics-Identify-Employees-likely-to-quit-with-ML-Classification-Models-main
asset
decision_tree.png
708KB
attrition.jpg
13KB
ROC.jpg
61KB
README.md
4KB
Human_Resources_Department_Attrition_Detection.ipynb
2.43MB
Human_Resources.csv
223KB
暂无评论