员工离职预测

1.项目目标

在任何一家企业里，员工队伍的稳定性对于企业的发展都非常的重要。所以通过模型预测员工离职的价值就日益凸显出来了，该模型可以大大地提高HR部门的工作效率，同时也可以降低因人员变动而需要额外支出的人力成本。当然员工离职的原因都是多方面的，并非一个简单的数学模型所能预测的。在此，我们只是通过这个案例来掌握机器学习建模的完整里程。完成的问题解决流程请参考附件中的Notebook文档。

2.数据集简介

该数据集共收集了14999条员工数据，每位员工都记录了12个指标，其中11个为特征指标，1个为标签指标。该数据集非常的干净，没有任何异常值和缺失值，可以直接来进行建模。

3.数据集中各列特征说明

Keywords	Meanning	type	value range
satisfaction_level	员工满意度	数值型	0~1
last_evalution	员工绩效	数值型	0~1
number_probject	参与的项目数量	数值型	2~1
average_monthly_hours	每月平均工作时间	数值型	96~310
time_spend_company	工作年限	数值型	2~10
work_accident	工作中是否出现差错	数值型	0和1
left	是否离职	数值型	0和1
promotion_last_5years	过去五年是否得到提升	数值型	0和1
department	部门	object	类别值
salary	薪资	object	类别值

4.流程简介

• 读取员工离职数据集
• 数据探索性分析
• 建立决策树模型和支持向量机模型
• 评估两个模型的效果
• 项目总结

数据集和源代码
员工离职预测