视频：从决策树到随机森林：R语言信用卡违约分析信贷数据实例

从决策树到随机森林：R语言信用卡违约分析信贷数据实例

，时长10:11

为什么我们最好和最有经验的员工过早离职？

到底如何解决这个困境？拓端数据tecdat使用数据分析员工离开的原因，希望能从中找到线索。

我们搜集的数据包含：

l能力评估

l项目数量

l平均每月工作时间/小时

l花在公司的时间

l是否有工作意外

l是否在过去5年里进行了推广

l部门

l薪水

l员工是否离开

【大数据部落】从决策树模型看员工为什么离职？

1 判断哪些员工做出了较大贡献

为了判断哪些员工做出了较大贡献,我们需要得到一个判断的规则.

因此在这里我们将使用evaluation来代表哪些员工作出贡献的衡量标准,

为了得到判断的规则，我们要使用决策树模型.

决策树模型的概念如下:

决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。

然后我们需要evaluation作为决策树的因变量,将其他的员工特征作为输入变量，然后我们可以得到决策树的规则，从而判断哪些变量可以判断员工作出了贡献

我们查看模型的结构

从上面的结果来看，我们可以看到树的节点有平均工作时间,在公司所花的时间,满意程度,这几个变量.因此我们可以通过这些变量来判断一个人供是否对公司做出了贡献.从第一个节点我们可以看到，如果每月的平均工作小时小于零一百六十个小时的话，那么他的贡献，在78%左右,也就是平均贡献非常低.如果工作时间大于160个小时,我们要看他在公司所花的时间.如果公司所花的时间大于3.5.那么他对公司做出的贡献在81%左右.如果在公司所花的时间不足3.5.那么我们就要判断他对公司的满意程度.因此从上面的结果中我们可以看到,在公司所花的时间越多，那么这个人对公司的贡献可能略大,公司的满意程度较低,，说明他认为公司的可提高空间还很大，因此他对公司的贡献也会较大.

2 哪些原因会导致员工离职

然后我们是用同样的方法来判断哪些原因会导致员工的离职，在这里我们使用员工是否离职作为因变量.

我们查看模型的结果

从结果中，我们可以看到有一些变量重复的出现,比如对公司的满意程度，在公司所花的时间所做的工程数量，最后的评估结果.因此可以认为这些变量对员工是否离职产生了重要的影响.

同时我们还可以得到对员工是否离职的影响的一个决策树方程

从上面的结果来看，我们可以发现,系数如果是负的那么说明这个，这个变量对于是否离职有负相关的作用，如果系数是正的，那么这个变量对员工是否与此产生了正相关的作用.那么从上面的结果中我们就可以看到，如果一个员工对公司的满意程度越高，那么他离职的可能性就越小，如果一个员工最后的评估成绩越高，那么他离职的可能性也越小，如果他做过的项目数量越多，那么他离职的可能性也越小,同时我们可以看到，如果他的薪水较低，那么他离职的可能性就越大.同时我们还可以看到，一个人的岗位，还有他平均的工作时间，对她是否离职似乎没有影响.

3 能否通过加薪升职等方式挽留那些做出贡献的员工？

那么是否可以通过升职加薪的方式挽留作出贡献的员工呢？

从上面的方程来看，答案是肯定的.

因为一个人的薪水越低，那么他离职的可能性就越高，因此如果增加一个人的薪水，那么会降低他的离职概率.同时从系数的大小我们还可以判断，如果一个人的职位是i t部门那么他的离职可能性会较小。同时我们可以看到，如果公司对它的最后评估越高，那么他离职的可能性也越小，因此我们可以通过升职加薪的方式来挽留作出贡献的员工。

提高教育水平，使年轻人具有中产阶级价值观和更高的自我期望。但高等教育的普及也导致了中产阶级价值实行变得困难。这就像能买得起票的人变得更多，结果不是每个人都可以上车。因此，有时我们要调整对工作的预期，做好眼前的事情。