เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การเปรียบเทียบโมเดลทำนายการลาออกของพนักงาน

ในแบบฝึกหัดนี้ ให้เปรียบเทียบโมเดลแบบ balanced และแบบ imbalanced (ค่าเริ่มต้น) โดยใช้ต้นไม้ที่ตัดแต่งแล้ว (max_depth=7) โมเดลแบบ imbalanced ได้ดำเนินการเรียบร้อยแล้วโดยใช้คะแนน recall และ ROC/AUC ให้ดำเนินการขั้นตอนเดียวกันสำหรับโมเดลแบบ balanced

  • ตัวแปร features_train, target_train, features_test และ target_test พร้อมใช้งานในเวิร์กสเปซแล้ว
  • โมเดลแบบ imbalanced ได้รับการฝึกไว้ให้แล้ว และผลการทำนายถูกบันทึกไว้ใน prediction
  • ฟังก์ชัน recall_score() และ roc_auc_score() ได้นำเข้ามาให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

HR Analytics: การพยากรณ์การลาออกของพนักงานด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดค่าโมเดลแบบ balanced โดยตั้งความลึกสูงสุดเป็น 7 และค่า seed เป็น 42
  • ฝึกโมเดลด้วยชุดข้อมูลฝึก
  • ทำนายผลโดยใช้ชุดข้อมูลทดสอบ
  • พิมพ์ recall score และคะแนน ROC/AUC

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____)
แก้ไขและรันโค้ด