1.実験目的
（1）データは（つまり、彼らは会社を残しているか継続）直接的かつ重大な影響を持っている従業員の定着にどの変数を見つけるために分析した
（2）の保持に賃金の効果を示す棒グラフで描く
ドローバーをチャート、ショーセクタ及び従業員の保持との間の相関
精度構築ロジスティック回帰モデル（3）と計算モデル
2.必要なモジュールをインポートしてデータを読み取る
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
df = pd.read_csv('HR_comma_sep.csv')
df.shape #14999条数据，10个字段
left = df[df.left==1] #离职
left.shape
retained = df[df.left==0] #在职
retained.shape
3.データを視覚化する
df.groupby('left').mean() #按是否离职对数据分组
#0表示在职，1表示离职
pd.crosstab(df.salary,df.left).plot(kind='bar') #比较薪水对员工离职的影响
pd.crosstab(df.Department,df.left).plot(kind='bar') #比较不同部门对员工离职的影响
4.データの前処理
subdf = df[['satisfaction_level','average_montly_hours','promotion_last_5years','salary']] #提取5个影响因素
subdf.head()
salary_dummies = pd.get_dummies(subdf.salary,prefix='salary') #将salary字段数字化 ，转化后的字段加前缀salary
df_with_dummies = pd.concat([subdf,salary_dummies],axis='columns') #拼接字段
df_with_dummies.head()
df_with_dummies.drop('salary',axis='columns',inplace=True) #删除原salary字段
df_with_dummies.head()
X = df_with_dummies #数据
y = df.left #标签
5.トレーニング+予測
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression #导入逻辑回归模块
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2)
model = LogisticRegression() #实例化模型
model.fit(X_train, y_train) #训练
model.predict(X_test) #预测
model.score(X_test,y_test) #计算得分
model.coef_ #打印系数
model.intercept_ #打印截距
