Séparer la cible et les variables explicatives
Pour faire une prédiction (dans ce cas, déterminer si une ou un employé quittera ou non), il faut séparer l'ensemble de données en deux composantes :
- la variable dépendante ou cible à prédire
- les variables indépendantes ou variables explicatives (features) utilisées pour effectuer la prédiction
Votre tâche est de séparer la target et les features. La cible ici est le churn des employés, et les variables explicatives comprennent tout le reste.
Rappel : l'ensemble de données a déjà été modifié en encodant les variables catégorielles et en créant des indicateurs (dummies).
pandas a été importé pour vous sous le nom pd.
Cette activité fait partie du cours
Analytique RH : prédire le roulement du personnel avec Python
Instructions de l’exercice
- Définissez la cible et les variables explicatives :
- Choisissez la colonne de la variable dépendante (
churn) et assignez-la àtarget. - Utilisez
.drop()sur la colonnechurnpour définir tout le reste commefeatures.
- Choisissez la colonne de la variable dépendante (
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Set the target and features
# Choose the dependent variable column (churn) and set it as target
target = data.____
# Drop column churn and set everything else as features
features = data.____("____",axis=1)