- 博客(3)
- 收藏
- 关注
RSS订阅原创 员工离职预测（三、模型选择及训练）
逻辑回归：关注正则化参数的调整，使用交叉验证来确定最佳参数。SVM：选择合适的核函数和调整 ( C )、( \gamma ) 参数，利用网格搜索或随机搜索进行参数优化。随机森林：调整树的数量和结构相关的超参数，考虑使用贝叶斯优化来提升性能。通过这些参数的调整，可以显著提高模型的性能，但需要注意的是，参数的选择应基于具体的数据集和问题特性。此外，参数调优过程可能会增加计算成本，因此在实际应用中需要权衡性能提升与计算资源之间的关系。w_%7Bi%7D。
2024-12-31 15:36:52
1215
原创 员工离职预测（二：数据预处理）
上一章：https://blog.youkuaiyun.com/m0_73477762/article/details/144841167?spm=1001.2014.3001.5502https://blog.youkuaiyun.com/m0_73477762/article/details/144841167?spm=1001.2014.3001.5502目录三、预处理3.1 标签化处理3.2对职业字段进行删除处理3.3 查看标签是否均衡四、基于特征选择以及处理4.1 计算特征相关性相关性系数解读（颜色与数值对应关系）具体相
2024-12-31 14:47:50
1125
原创 员工离职预测（一、数据准本+可视化分析）
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，通过某一家企业员工离职的真实数据来对离职率进行分析建模。本项目主要功能包括：1.数据预处理：机器学习基本概念、数据的读取方式、了解数据的基本信息、处理缺失值、可视化分析。2.文本特征选择与处理：通过pandas方法获取对应特征和标签、降维、数据基本划分、特征缩放、卡方检验。3、模型训练与评估。
2024-12-31 13:57:38
1534
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人