机器学习实战（一）——员工离职预测

员工离职预测——逻辑回归的应用

开始这个案例之前，请先点击这里的数据集进行下载：HR_comma_sep.zip - 蓝奏云 (lanzout.com)

1 读取文件

我们使用pandas来读取输出并且进行预处理。首先是导入代码所需的包。

import numpy as np
import pandas as pd

接下来写一个函数用于读取CSV文件。

def load_data():
    """加载数据集"""
    data = pd.read_csv("./HR_comma_sep.csv") # 读取文件
    return data
data = load_data()
data

out：

2 独热编码

从数据集中可以看到。有一些数据是非数值的，我们要将他转为数值型数据才能进行下面的工作。

from sklearn.preprocessing import OneHotEncoder
def one_hot(data):
    """将原数据中的非数值转为数值类型"""
    oh = OneHotEncoder() # 实例化转换器
    result = oh.fit_transform(data[["sales"]])# 转换sales
    re = pd.DataFrame(result.toarray(),columns = oh.categories_[0],
                     index =  data.index
                     )
    
    result1 = oh.fit_transform(data[["salary"]])# 转换salary
    re1 = pd.DataFrame(result1.toarray(),columns = oh.categories_[0] , 
                     index =  data.index
                     )
    
    data_final  = pd.concat([data, re, re1],axis = 1)
    data_final.drop('sales',inplace = True,axis = 1)
    data_final.drop('salary',inplace = True,axis = 1)
    return data_final
data = one_hot(data)
data

out：

3 划分数据集

将数据集中的非数值数据转为独热编码后，下一步就是要将数据集划分为训练集和测试集了。

def split_data(data):
    """划分数据集"""
    target = data.loc[:,'left'] # 分离标签
    data = data.drop(['left'],axis = 1) # 分离数据
    x_train,x_test,y_train,y_test = train_test_split(data,target,random_state=88)
    return x_train,x_test,y_train,y_test
x_train,x_test,y_train,y_test = split_data(data)
x_train

out：

4 归一化

对于非标签数据来说，这些数据有些数值大，有些数值小，使得模型的收敛速度变慢，为此，我们需要进行归一化操作。

from sklearn.preprocessing import MinMaxScaler
def normalize(x_train,x_test):
    """归一化处理"""
    transfer = MinMaxScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    return x_train,x_test
x_train,x_test = normalize(x_train,x_test)
x_train,x_test

out：

5 逻辑回归预测

当所有准备工作做完后，我们就要使用sklearn自带的包来训练模型了。

from sklearn.linear_model import LogisticRegression
"""利用逻辑回归来预测员工离职"""
estimitor = LogisticRegression()
estimitor.fit(x_train,y_train)

out：

6 模型预测及评估

当模型训练完成后，我们需要对模型进行预测和评估。

from sklearn.metrics import accuracy_score, classification_report
# 模型预测及评估
y_pred = estimitor.predict(x_test)
print('Accuracy:', accuracy_score(y_test,y_pred))
print('Classification Report')
print(classification_report(y_test, y_pred))

out：