版权声明:转载请注明出处 https://blog.csdn.net/zhouchen1998/article/details/89054512
员工离职预测
-
简介
- DC的一道回归预测题。
- 比较基础的分类,主要对逻辑回归的使用。
- 核心思路为属性构造+逻辑回归。
-
过程
- 数据获取
- 报名参与比赛即可获得数据集的百度网盘地址,这个比赛时间很久,随时可以报名。
- 数据探索
- 无关项
- EmployeeNumber为编号,对建模是干扰项,删除即可。
- StandardHours和Over18全数据集固定值,没有意义,删除。
- 相关性高
- 相关图
- 可以发现,有两项相关性极高,删除其中一个MonthlyIncome。
- 相关图
- 无关项
- 数据预处理
- one-hot编码
- 对几个固定几个取字符串值的特征进行one-hot编码
- 属性构造
- 特征数目较少,暴力拼接不同属性,构造新属性
- one-hot编码
- 数据挖掘建模
- 既是回归赛又是分类题,很明显就是使用逻辑回归(LR)模型。
- 但是还是使用未调参的几个基础模型进行交叉验证,发现LR较高,加上其他模型调参麻烦,就没有多加研究。
- 代码
-
# 多模型交叉验证 from sklearn.linear_model import LogisticRegression from sklearn.svm import SVC from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier, GradientBoostingClassifier import sklearn.neural_network as sk_nn from sklearn.model_selection import cross_val_score models = { 'LR': LogisticRegression(solver='liblinear', penalty='l2', C=1), 'SVM': SVC(C=1, gamma='auto'), 'DT': DecisionTreeClassifier(), 'RF' : RandomForestClassifier(n_estimators=100), 'AdaBoost': AdaBoostClassifier(n_estimators=100), 'GBDT': GradientBoostingClassifier(n_estimators=100), 'NN': sk_nn.MLPClassifier(activation='relu',solver='adam',alpha=0.0001,learning_rate='adaptive',learning_rate_init=0.001, max_iter=1000) } for k, clf in models.items(): print("the model is {}".format(k)) scores = cross_val_score(clf, x_train, y_train, cv=10) print(scores) print("Mean accuracy is {}".format(np.mean(scores))) print("*" * 100)
-
- 代码
- 对LR进行网格搜索调参,发现默认参数即可有不错的平台验证率。
- 代码
-
# 网格搜索调参 from sklearn.model_selection import GridSearchCV from sklearn.linear_model import LogisticRegression penaltys = ['l1', 'l2'] Cs = np.arange(1, 10, 0.1) parameters = dict(penalty=penaltys, C=Cs ) lr_penalty= LogisticRegression(solver='liblinear') grid= GridSearchCV(lr_penalty, parameters,cv=10) grid.fit(x_train,y_train) grid.cv_results_ print(grid.best_score_) print(grid.best_params_)
-
- 代码
- 数据获取
-
补充说明
- 其实XgBoost和RF可能效果更好一些,但是由于一些原因,没有深究,有兴趣的可以进一步研究,最高的貌似研究有0.92以上通过率了。
- 具体数据集和代码可以在我的Github找到,result.csv即为提交文件。
- 附上提交时的平台分数和排名(22/1808)。