数据分析：企业人力资源管理探索

最新推荐文章于 2021-11-18 15:30:13 发布

波波永远18

最新推荐文章于 2021-11-18 15:30:13 发布

阅读量1.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：数据分析

本文链接：https://blog.youkuaiyun.com/qq_36996812/article/details/79832872

本文探讨了企业员工流失问题，利用决策树、随机森林和GBM建模进行预测。发现经常加班、月收入低和工作等级是主要离职原因。经过加权优化，模型AUC达到0.7803。建议企业关注高离职风险的销售代表/业务人员，并深入研究离职因素，以改善人力资源管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据分析：企业员工流失（二）

本文借鉴自公众号：R语言中文社区 Joffy Zhong所作的数据分析实例。

1.相关说明

数据集:SAMPLE DATA: HR Employee Attrition and Performance
分析语言:R
涉及邻域:人力资源管理，员工流失问题

2.预测员工离职情况

2.1 利用决策树进行分析建模

#建模（决策树） 
set.seed(3221) 
 # 删除不需要的几个变量
 levels(Attr.df$JobRole) <- c("HC", "HR", "Lab", "Man", "MDir", "RsD", "RsSci", "SlEx", "SlRep")
 levels(Attr.df$EducationField) <- c("HR", "LS", "MRK", "MED", "NA", "TD")
 Attr.df <- Attr.df[c(-9,-10,-22,-27)]
 # 创建训练集和测试集
 n <- nrow(Attr.df)
 rnd <- sample(n, n * .70)
 train <- Attr.df[rnd,]
 test <- Attr.df[-rnd,]
 # 建模
 dtree <- rpart(Attrition ~., data = train)
 preds <- predict(dtree, test, type = "class")
 rocv <- roc(as.numeric(test$Attrition), as.numeric(preds))
 rocv$auc prop.table(table(test$Attrition, preds, dnn = c("Actual", "Predicted")),1)