一、需求描述
（一）任务：给定影响员工离职的因素（工资、出差、是否加班等）和员工是否离职的记录，建立模型预测有可能离职的员工。
（二）数据：1100条训练数据，350条测试数据
（三）31个特征字段说明如下：
31个特征及数据类型描述
二、数据描述
样本总共1100条，其中178条离职记录，在假设抽样的独立随机条件下，得到离职率估计值16.2%。
（一）可视化-大致看一下各特征下变量离职率的变化趋势
从下图能看到有的特征各变量下离职率过高。是由于样本量太小，导致离职率波动太大，不好估计该变量下离职率。因此决定对数量型数据分箱处理。
部分特征下离职率分布趋势
（二）可视化—分箱处理后，部分特征下变量离职率的变化趋势
1. 年龄vs离职
在图中，能看到各个年龄段的取样人数均约大于等于100人，样本量较大。能看到随着年龄的增长，员工稳定性越来越强。26岁前的年轻人离职率较高为36%，其离职率是26至35岁员工的1.5倍多，是35岁后员工的2-3倍，后者分别为20%和9%。
2. 出差vs离职
频繁出差的人离职率约22%，是较少出差人群的1.5倍左右，是从不出差人的3倍左右。后者分别为16%和8%。
3. 加班vs离职
加班的人群离职率约32%，每3个加班员工就有1个要离职。是不加班人群的3倍。
4. 家庭距离vs离职
工作地点离家越远，离职率越高。
5. 部门vs离职
销售部门和人力资源部门的离职率较研发人员要高。
6. 受教育程度vs离职
低学历水平人群离职率较高，最高学历（博士-博后）水平离职率低。中间学历水平暂无明显差异。
7. 工作投入vs离职
对工作投入越多，越不容易离职。消极怠工的员工较易离职，离职率38%。
8. 月收入vs离职
收入越高，越不易离职。底层员工离职率高，流动大，离职率22%。
9. 性别vs离职
男性和女性暂没有太大差别，男性稍高。
三、特征选择
（一）去除存在共线性特征
因共线性存在会影响模型稳定性及参数解读，因此拟合各参数相关系数heatmap。
能看到月收入和职级间相关系数为0.92，线性相关关系强。将删除月收入。
（二）特征筛选
删除了存在单一值对拟合无贡献的部分特征（如是否超过18岁等）。
四、数据预处理
（一）分类变量哑编码
（二）标准化处理
（三）训练集与测试集拆分
五、模型拟合与预测
六、准确率
用拟合好的模型预测测试集350条数据，准确率89.4%。
七、系数解读
通过拟合出的逻辑回归模型，查看相关特征系数。以下为各正特征系数。由于各特征系数与离职率正相关，因此系数越大，代表会使离职率变大。
又由于逻辑回归是非线性函数，因此各特征值变化一个单位，离职率并不总变化固定单位。但当其他特征固定，只看单一特征时，其最大可能引起离职率的变化可以确定。如当其他特征值不变，加班从No变为Yes，最大可引起离职率提高11.8%（根据除4法则）。
因此，做好相应调整和关怀，显得重要。
网友评论