शुरू करेंमुफ़्त में शुरू करें

कर्मचारी Attrition मॉडलों की तुलना

इस अभ्यास में, आपका काम balanced और imbalanced (डिफ़ॉल्ट) मॉडलों की तुलना करना है, pruned ट्री (max_depth=7) का उपयोग करते हुए। imbalanced मॉडल पहले से recall और ROC/AUC स्कोरों के साथ पूरा किया जा चुका है। अब वही स्टेप्स balanced मॉडल के लिए पूरा कीजिए।

  • वैरिएबल features_train, target_train, features_test और target_test पहले से आपके वर्कस्पेस में उपलब्ध हैं.
  • आपके लिए एक imbalanced मॉडल पहले ही फिट किया गया है, और उसके प्रीडिक्शंस prediction के रूप में सेव हैं.
  • फंक्शन recall_score() और roc_auc_score() आपके लिए इम्पोर्ट किए जा चुके हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

HR Analytics: Python में कर्मचारी churn की भविष्यवाणी

पाठ्यक्रम देखें

अभ्यास निर्देश

  • balanced मॉडल को इनिशियलाइज़ करें, उसका maximum depth 7 और seed 42 सेट करें.
  • उसे training सेट का उपयोग करके training कंपोनेंट पर फिट करें.
  • testing सेट का उपयोग करके प्रीडिक्शन बनाइए.
  • recall score और ROC/AUC स्कोर प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)
कोड संपादित करें और चलाएँ