# 使用决策树和随机森林预测员工的离职率帮助人事部门理解一个员工为何离职，预测一个员工离职的可能性

python

# 使用决策树和随机森林预测员工的离职率 python 帮助人事部门理解一个员工为何离职，预测一个员工离职的可能性。 ## 画出决策树的特征的重要性 ## importances = dtree.feature_importances_ # print(importances) # print(np.argsort(importances)[::-1]) feat_names = df.drop(['turnover'],axis=1).columns indices = np.argsort(importances)[::-1] # argsort()返回的是数据从小到大的索引值 plt.figure(figsize=(12,6)) plt.title("Feature importances by Decision Tree") plt.bar(range(len(indices)), importances[indices], color='lightblue', align="center") plt.step(range(len(indices)), np.cum

文件下载

资源详情

[{"title":"（ 2 个子文件 253KB ） # 使用决策树和随机森林预测员工的离职率\n帮助人事部门理解一个员工为何离职，预测一个员工离职的可能性","children":[{"title":"dataset","children":[{"title":"HR_comma_sep.csv <span style='color:#111;'> 538.85KB </span>","children":null,"spread":false}],"spread":true},{"title":"dt_rf_hr_analytics.ipynb <span style='color:#111;'> 236.84KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

# 使用决策树和随机森林预测员工的离职率 帮助人事部门理解一个员工为何离职，预测一个员工离职的可能性

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载

# 使用决策树和随机森林预测员工的离职率帮助人事部门理解一个员工为何离职，预测一个员工离职的可能性