文件名称：Employee-resignation-prediction:ML算法在目标分类中的应用
文件大小：12.9MB
文件格式：ZIP
更新时间：2024-04-22 08:49:13
prediction decision-tree classification-model gridsearchcv JupyterNotebook
员工辞职预测 概括 创建了一个预测员工何时辞职的工具，以帮助完善员工管理并改善工作空间环境。 根据Kaggle上可用的公开发布数据，使用了这些功能。 经过设计的功能可以计算目标变量与自变量之间的依存关系。 使用GridSearchCV优化后勤，随机森林，决策树和支持向量分类器，以达到最佳模型。 正确预测结果的准确性达到95％。 使用导入为库的Streamlit开发了面向公众的API，用于实时用户交互。 通过Heroku将基于云应用程序平台的Web App部署为服务。 了解员工是任何成功组织中的一项主要任务。 各种各样的因素结合在一起，足以在员工的脑海中产生滚雪球效应，影响他/她是否在自己当前的工作环境中看到自己的未来。 一些主要因素包括薪水，满意度，晋升，平均工作时间等……通过关联不同的功能，我们可以根据预测做出决策。 由于此处的输出是员工是否离开，因此被称为分类问题。 数
【文件预览】：
Employee-resignation-prediction-master
----Employee resignation prediction.ipynb(253KB)
----visuals()
--------dynamic-relationship.png(43KB)
--------dist_feature.png(72KB)
--------employee-demo.gif(4.01MB)
--------feature-impact.png(8KB)
--------features.png(9KB)
--------Emp-app-features.gif(3.45MB)
----hrdata.csv(539KB)
----app.py(3KB)
----README.md(5KB)
----employeeresignation()
--------__pycache__()
----employee_resignation_prediction.pickle(1.17MB)
----Procfile(49B)
----setup.sh(133B)
----requirements.txt(67B)
----data()
--------hrdata.csv(539KB)
--------imp_features.png(14KB)
--------employee_demo.webm(3.21MB)
--------Emp_app_features.webm(2.55MB)