唐宇迪机器学习之离职预测

最近在看唐宇迪机器学习视频，这个视频我觉得很不错，可是我资源有限，有的视频没有配套的资料、数据集或者是代码，但还是可以看视频了解其中的一些知识点。

项目介绍

该项目是通过员工对公司的满意程度、公司对员工的评估、员工薪资水平、员工岗位、员工工作时长等特征来推断员工是否会离职。

知识点

1. 通过 df.info( ) 可以看到特征的数据类型，对于int64、float64这样的数据类型来说放入机器学习算法是没有问题的，但是对于object(可理解为str)这样的数据类型是需要进一步处理的。
   eg: 在本项目中是利用pd.get_dummies()直接将其转为one-hot编码。部分代码如下：

   salary_dummy = pd.get_dummies(df['salary'])
   department_dummy = pd.get_dummies(df['depratment'])
   X = pd.concat([X, salary_dummy], axis = 1)
   X = pd.concat([X, department_dummy], axis = 1)
   

   ps: 一般来说如果离散的取值之间没有大小的意义，就用one-hot，如果离散的取值之间有大小的意义就直接映射。

2. 修改DataFrame中列的名字：

   df.rename(columns = {'修改前的名字'：'修改后的名字'}, inplace = True)
   

3. 特征、标签之间的相关系数：

   df.corr()
   

4. 柱状图表示属性与标签之间的关系：
   部分代码如下：

   import matplotlib