CDA數據分析師 出品
作者：真達、Mika
數據：真達
后期：澤龍
【導讀】
rapidminer使用教程？今天教大家如何用Python寫一個員工流失預測模型。公眾號后臺，回復關鍵字“離職”獲取完整數據。Show me data，用數據說話。
今天我們聊一聊 員工離職，說到離職的原因，可謂多種多樣。人們歸總了兩點：
1. 錢沒給到位
2. 心受委屈了
有人離職是因為“世界那么大，我想去看看”，也有人覺得“懷有絕技在身，不怕天下無路”。
另一方面，員工離職對于企業而言有什么影響呢？
員工離職預測模型，要知道，企業培養人才需要大量的成本，為了防止人才再次流失，員工流失分析就顯得十分重要了。這不僅僅是公司評估員工流動率的過程，通過找到導致員工流失的主要因素，預測未來的員工離職狀況，從而進一步減少員工流失。
那么，哪些因素最容易導致員工離職呢？
這次我們用數據說話，
教你如何用Python寫一個員工流失預測模型。
01、數據理解
我們分析了kaggle平臺分享的員工離職相關的數據集，共有10個字段14999條記錄。數據主要包括影響員工離職的各種因素(員工滿意度、績效考核、參與項目數、平均每月工作時長、工作年限、是否發生過工作差錯、5年內是否升職、部門、薪資)以及員工是否已經離職的對應記錄。字段說明如下：
如何管控員工離職率？02、讀入數據
#?讀入數據df?=?pd.read_csv('HR_comma_sep.csv')df.head()?#?讀入數據df?=?pd.read_csv('HR_comma_sep.csv')df.head()?#?讀入數據df?=?pd.read_csv('HR_comma_sep.csv')df.head()?
#?查看缺失值print(df.isnull().any().sum())?#?查看缺失值print(df.isnull().any().sum())?#?查看缺失值print(df.isnull().any().sum())?可以發現，數據質量良好，沒有缺失數據。
03、探索性分析
描述性統計
df.describe().T
從上述描述性分析結果可以看出：
離職人數占比
eminem？整理數據后發現，總共有14999人，其中紅色部分代表離職人群，用數字1表示，藍色為未離職人群，用數字0表示。離職人數為3571，占總人數的23.8%。
員工滿意度
從直方圖可以看出，離職員工的滿意度評分明顯偏低，平均值為0.44。滿意度低于0.126分的離職率為97.2%。可見提升員工滿意度可以有效防止人員流失。
df.groupby('left')['satisfaction_level'].describe()?
def?draw_numeric_graph(x_series,?y_series,?title):????#?產生數據????sat_cut?=?pd.cut(x_series,?bins=25)?????cross_table?=?round(pd.crosstab(sat_cut,?y_series,?normalize='index'),4)*100????x_data?=?cross_table.index.astype('str').tolist()????y_data1?=?cross_table[cross_table.columns[1]].values.tolist()????y_data2?=?cross_table[cross_table.columns[0]].values.tolist()?????#?條形圖????bar?=?Bar(init_opts=opts.InitOpts(width='1350px',?height='750px'))????bar.add_xaxis(x_data)????bar.add_yaxis(str(cross_table.columns[1]),?y_data1,?stack='stack1',?category_gap='0%')????bar.add_yaxis(str(cross_table.columns[0]),?y_data2,?stack='stack1',?category_gap='0%')????bar.set_global_opts(title_opts=opts.TitleOpts(title),?????????????????????????xaxis_opts=opts.AxisOpts(name=x_series.name,?name_location='middle',?name_gap=30),????????????????????????yaxis_opts=opts.AxisOpts(name='百分比',?name_location='middle',?name_gap=30,?min_=0,?max_=100),????????????????????????legend_opts=opts.LegendOpts(orient='vertical',?pos_top='15%',?pos_right='2%'))????bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),?????????????????????????itemstyle_opts=opts.ItemStyleOpts(border_color='black',?border_width=0.3))????bar.set_colors(['#BF4C51',?'#8CB9D0'])?????return?bar?bar1?=?draw_numeric_graph(df['satisfaction_level'],?df['left'],?)bar1.render()?績效考核
平均來看，績效考核成績在離職/未離職員工之間差異不大。在離職員工中，績效考核低、能力不夠和績效考核較高但工作壓力大、滿意度低、對薪資不滿意可能成為離職的原因。
平均每月工作時長
rapidminer中文手冊、從直方圖可以看出，月工作時長正常的員工離職率最低。而工時過低、過高的員工離職人數最多。證明恰當的工作任務分配是非常重要的。
參加項目數
從圖中可以看出：除項目數為2以外，隨著項目數的增多，離職率在增大，且項目數是7的時候，離職率達到了100%以上。綜上兩點，項目數2的離職率高，可能是這部分人工作能力不被認可。項目數6、7的總體少，離職率高，體現了他們的工作能力強，但同時工作壓力太大導致他們離職。
員工工齡
可以看到7年及以上工齡的員工基本沒有離職，只有工齡為5年的員工離職人數超過在職人數。可見工齡長于6年的員工，由于種種原因，其“忠誠度”較高。
而員工進入公司工作的第5年是一個較為“危險”的年份，也許是該企業的“5年之癢”，應當重點關注該階段的員工滿意度、職業晉升等情況，以順利過渡。
rapidminer實驗報告，工作事故
從圖中可看出，是否發生工作事故對員工離職的影響較小，可推測該企業處理工作事故的方式有可取之處。
職位晉升
從條形圖可以看出，在過去5年內獲得未晉升的員工離職率為24.2%，比獲得晉升的員工高4倍。設定良好的晉升通道可以很好的防止員工流失。
薪資水平
可明顯看出，薪資越高離職人數越少。證明為了減少離職率，提升員工福利待遇是一個可行的手段。
rapidminer案例、不同部門
可見各部門離職率如上圖，離職率由高到低，前三位分別是：人力部、財務部、科技部。之后依次是：支持部、銷售部、市場部、IT部門、產品部、研發部、管理部。對于離職率過高的部門，應進一步分析關鍵原因。
04、數據預處理
由于sklearn在建模時不接受類別型變量，我們主要對數據做以下處理，以方便后續建模分析：
#?數據轉換df['salary']?=?df['salary'].map({"low":?0,?"medium":?1,?"high":?2})#?啞變量df_dummies?=?pd.get_dummies(df,prefix='sales')df_dummies.head()?
05、建模分析
我們使用決策樹和隨機森林進行模型建置，首先導入所需包：
from?sklearn.model_selection?import?train_test_split,?GridSearchCVfrom?sklearn.tree?import?DecisionTreeClassifierfrom?sklearn.ensemble?import?RandomForestClassifierfrom?sklearn.metrics?import?classification_report,?f1_score,?roc_curve,?plot_roc_curverapidminer下載、然后劃分訓練集和測試集，采用分層抽樣方法劃分80%數據為訓練集，20%數據為測試集。
train_pred?=?GS.best_estimator_.predict(X_train)test_pred?=?GS.best_estimator_.predict(X_test)print('訓練集：',?classification_report(y_train,?train_pred))print('-'?*?60)?print('測試集：',?classification_report(y_test,?test_pred))決策樹
我們使用決策樹進行建模，設置特征選擇標準為gini，樹的深度為5。輸出分類的評估報告：
#?訓練模型clf?=?DecisionTreeClassifier(criterion='gini',?max_depth=5,?random_state=25)clf.fit(X_train,?y_train)train_pred?=?clf.predict(X_train)test_pred?=?clf.predict(X_test)??print('訓練集：',?classification_report(y_train,?train_pred))print('-'?*?60)?print('測試集：',?classification_report(y_test,?test_pred))訓練集：???????????????precision????recall??f1-score???support???????????0???????0.98??????0.99??????0.98??????9142???????????1???????0.97??????0.93??????0.95??????2857????accuracy???????????????????????????0.98?????11999???macro?avg???????0.97??????0.96??????0.97?????11999weighted?avg???????0.98??????0.98??????0.97?????11999------------------------------------------------------------測試集：???????????????precision????recall??f1-score???support???????????0???????0.98??????0.99??????0.98??????2286???????????1???????0.97??????0.93??????0.95???????714????accuracy???????????????????????????0.98??????3000???macro?avg???????0.97??????0.96??????0.97??????3000weighted?avg???????0.98??????0.98??????0.98??????3000假設我們關注的是1類(即離職類)的F1-score,可以看到訓練集的分數為0.95，測試集分數為0.95。
#?重要性imp?=?pd.DataFrame([*zip(X_train.columns,clf.feature_importances_)],?columns=['vars',?'importance'])imp.sort_values('importance',?ascending=False)??imp?=?imp[imp.importance!=0]imp?
在屬性的重要性排序中，員工滿意度最高，其次是最新的績效考核、參與項目數、每月工作時長。
然后使用網格搜索進行參數調優。
parameters?=?{'splitter':('best','random'),??????????????'criterion':("gini","entropy"),??????????????"max_depth":[*range(1,?20)],?????????????}clf?=?DecisionTreeClassifier(random_state=25)GS?=?GridSearchCV(clf,?parameters,?cv=10)GS.fit(X_train,?y_train)print(GS.best_params_)print(GS.best_score_)?{'criterion':?'gini',?'max_depth':?15,?'splitter':?'best'}0.9800813177648042rapidminer，使用最優的模型重新評估訓練集和測試集效果：
train_pred?=?GS.best_estimator_.predict(X_train)test_pred?=?GS.best_estimator_.predict(X_test)print('訓練集：',?classification_report(y_train,?train_pred))print('-'?*?60)?print('測試集：',?classification_report(y_test,?test_pred))訓練集：???????????????precision????recall??f1-score???support???????????0???????1.00??????1.00??????1.00??????9142???????????1???????1.00??????0.99??????0.99??????2857????accuracy???????????????????????????1.00?????11999???macro?avg???????1.00??????0.99??????1.00?????11999weighted?avg???????1.00??????1.00??????1.00?????11999------------------------------------------------------------測試集：???????????????precision????recall??f1-score???support???????????0???????0.99??????0.98??????0.99??????2286???????????1???????0.95??????0.97??????0.96???????714????accuracy???????????????????????????0.98??????3000???macro?avg???????0.97??????0.98??????0.97??????3000weighted?avg???????0.98??????0.98??????0.98??????3000可見在最優模型下模型效果有較大提升，1類的F1-score訓練集的分數為0.99，測試集分數為0.96。
隨機森林
下面使用集成算法隨機森林進行模型建置，并調整max_depth參數。
rf_model?=?RandomForestClassifier(n_estimators=1000,?oob_score=True,?n_jobs=-1,???????????????????????????????????random_state=0)parameters?=?{'max_depth':?np.arange(3,?17,?1)?}GS?=?GridSearchCV(rf_model,?param_grid=parameters,?cv=10)GS.fit(X_train,?y_train)print(GS.best_params_)?print(GS.best_score_)?{'max_depth':?16}0.988582151793161train_pred?=?GS.best_estimator_.predict(X_train)test_pred?=?GS.best_estimator_.predict(X_test)print('訓練集：',?classification_report(y_train,?train_pred))print('-'?*?60)?print('測試集：',?classification_report(y_test,?test_pred))訓練集：???????????????precision????recall??f1-score???support???????????0???????1.00??????1.00??????1.00??????9142???????????1???????1.00??????0.99??????0.99??????2857????accuracy???????????????????????????1.00?????11999???macro?avg???????1.00??????1.00??????1.00?????11999weighted?avg???????1.00??????1.00??????1.00?????11999------------------------------------------------------------測試集：???????????????precision????recall??f1-score???support???????????0???????0.99??????1.00??????0.99??????2286???????????1???????0.99??????0.97??????0.98???????714????accuracy???????????????????????????0.99??????3000???macro?avg???????0.99??????0.99??????0.99??????3000weighted?avg???????0.99??????0.99??????0.99??????3000可以看到在調優之后的隨機森林模型中，1類的F1-score訓練集的分數為0.99，測試集分數為0.98。
模型后續可優化方向：
對項目分析感興趣的朋友，可以后臺給小編留言哦！
版权声明：本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间：8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态
