電子發(fā)燒友App
? ? ? ? ################### ============== 加載包 =================== #################
library（plyr） # Rmisc的關聯(lián)包，若同時需要加載dplyr包，必須先加載plyr包
library（dplyr） # filter（）
library（ggplot2） # ggplot（）
library（DT） # datatable（） 建立交互式數(shù)據表
library（caret） # createDataPartition（） 分層抽樣函數(shù)
library（rpart） # rpart（）
library（e1071） # naiveBayes（）
library（pROC） # roc（）
library（Rmisc） # multiplot（） 分割繪圖區(qū)域
################### ============= 導入數(shù)據 ================== #################
hr 《- read.csv（“D:/R/天善智能/書豪十大案例/員工離職預測\HR_comma_sep.csv”）
str（hr） # 查看數(shù)據的基本數(shù)據結構
描述性分析
################### ============= 描述性分析 ================== ###############
str（hr） # 查看數(shù)據的基本數(shù)據結構
summary（hr） # 計算數(shù)據的主要描述統(tǒng)計量
# 后續(xù)的個別模型需要目標變量必須為因子型，我們將其轉換為因子型
hr$left 《- factor（hr$left， levels = c（‘0’， ‘1’））
## 探索員工對公司滿意度、績效評估和月均工作時長與是否離職的關系
# 繪制對公司滿意度與是否離職的箱線圖
box_sat 《- ggplot（hr， aes（x = left， y = satisfaction_level， fill = left）） +
geom_boxplot（） +
theme_bw（） + # 一種ggplot的主題
labs（x = ‘left’， y = ‘satisfaction_level’） # 設置橫縱坐標標簽
box_sat
員工對公司滿意度與是否離職的箱線圖
離職員工對公司的滿意度較低，大多集中在0.4左右；
# 繪制績效評估與是否離職的箱線圖
box_eva 《- ggplot（hr， aes（x = left， y = last_evaluation， fill = left）） +
geom_boxplot（） +
theme_bw（） +
labs（x = ‘left’， y = ‘last_evaluation’）
box_eva
績效評估與是否離職的箱線圖
離職員工的績效評估較高，在0.8以上的較為集中；
# 繪制平均月工作時長與是否離職的箱線圖
box_mon 《- ggplot（hr， aes（x = left， y = average_montly_hours， fill = left）） +
geom_boxplot（） +
theme_bw（） +
labs（x = ‘left’， y = ‘average_montly_hours’）
box_mon
離職員工的平均月工作時長較高，一多半超過了平均水平（200小時）
# 繪制員工在公司工作年限與是否離職的箱線圖
box_time 《- ggplot（hr， aes（x = left， y = time_spend_company， fill = left）） +
geom_boxplot（） +
theme_bw（） +
labs（x = ‘left’， y = ‘time_spend_company’）
box_time
離職員工的工作年限在4年左右
# 合并這些圖形在一個繪圖區(qū)域，cols = 2的意思就是排版為一行二列
multiplot（box_sat， box_eva， box_mon， box_time， cols = 2）
## 探索參與項目個數(shù)、五年內有沒有升職和薪資與離職的關系
# 繪制參與項目個數(shù)條形圖時需要把此變量轉換為因子型
hr$number_project 《- factor（hr$number_project，
levels = c（‘2’， ‘3’， ‘4’， ‘5’， ‘6’， ‘7’））
# 繪制參與項目個數(shù)與是否離職的百分比堆積條形圖
bar_pro 《- ggplot（hr， aes（x = number_project， fill = left）） +
geom_bar（position = ‘fill’） + # position = ‘fill’即繪制百分比堆積條形圖
theme_bw（） +
labs（x = ‘left’， y = ‘number_project’）
bar_pro
員工參與項目個數(shù)與是否離職的百分比堆積條形圖
參加項目數(shù)越多的員工離職率越大（去除項目數(shù)為2的樣本）
# 繪制5年內是否升職與是否離職的百分比堆積條形圖
bar_5years 《- ggplot（hr， aes（x = as.factor（promotion_last_5years）， fill = left）） +
geom_bar（position = ‘fill’） +
theme_bw（） +
labs（x = ‘left’， y = ‘promotion_last_5years’）
bar_5years
5年內是否升職與是否離職的百分比堆積條形圖
五年內沒有升職的員工的離職率比較大
# 繪制薪資與是否離職的百分比堆積條形圖
bar_salary 《- ggplot（hr， aes（x = salary， fill = left）） +
geom_bar（position = ‘fill’） +
theme_bw（） +
labs（x = ‘left’， y = ‘salary’）
bar_salary
薪資與是否離職的百分比堆積條形圖
薪資越高離職率越低
# 合并這些圖形在一個繪圖區(qū)域，cols = 3的意思就是排版為一行三列
multiplot（bar_pro， bar_5years， bar_salary， cols = 3）
建模預測之回歸樹
############## =============== 提取優(yōu)秀員工 =========== ###################
# filter（）用來篩選符合條件的樣本
hr_model 《- filter（hr， last_evaluation 》= 0.70 | time_spend_company 》= 4
| number_project 》 5）
############### ============ 自定義交叉驗證方法 ========== ##################
# 設置5折交叉驗證 method = ‘cv’是設置交叉驗證方法，number = 5意味著是5折交叉驗證
train_control 《- trainControl（method = ‘cv’， number = 5）
################ =========== 分成抽樣 ============== ##########################
set.seed（1234） # 設置隨機種子，為了使每次抽樣結果一致
# 根據數(shù)據的因變量進行7:3的分層抽樣，返回行索引向量 p = 0.7就意味著按照7:3進行抽樣，
# list=F即不返回列表，返回向量
index 《- createDataPartition（hr_model$left， p = 0.7， list = F）
traindata 《- hr_model［index， ］ # 提取數(shù)據中的index所對應行索引的數(shù)據作為訓練集
testdata 《- hr_model［-index， ］ # 其余的作為測試集
##################### ============= 回歸樹 ============= #####################
# 使用caret包中的trian函數(shù)對訓練集使用5折交叉的方法建立決策樹模型
# left ~。的意思是根據因變量與所有自變量建模；trCintrol是控制使用那種方法進行建模
# methon就是設置使用哪種算法
rpartmodel 《- train（left ~ 。， data = traindata，
trControl = train_control， method = ‘rpart’）
# 利用rpartmodel模型對測試集進行預測，（［-7］的意思就是剔除測試集的因變量這一列）
pred_rpart 《- predict（rpartmodel， testdata［-7］）
# 建立混淆矩陣，positive=‘1’設定我們的正例為“1”
con_rpart 《- table（pred_rpart， testdata$left）
con_rpart
建模預測之樸素貝葉斯
################### ============ Naives Bayes =============== #################
nbmodel 《- train（left ~ 。， data = traindata，
trControl = train_control， method = ‘nb’）
pred_nb 《- predict（nbmodel， testdata［-7］）
con_nb 《- table（pred_nb， testdata$left）
con_nb
模型評估+應用
################### ================ ROC ==================== #################
# 使用roc函數(shù)時，預測的值必須是數(shù)值型
pred_rpart 《- as.numeric（as.character（pred_rpart））
pred_nb 《- as.numeric（as.character（pred_nb））
roc_rpart 《- roc（testdata$left， pred_rpart） # 獲取后續(xù)畫圖時使用的信息
#假正例率：（1-Specififity［真反例率］）
Specificity 《- roc_rpart$specificities # 為后續(xù)的橫縱坐標軸奠基，真反例率
Sensitivity 《- roc_rpart$sensitivities # 查全率 ： sensitivities，也是真正例率
# 繪制ROC曲線
#我們只需要橫縱坐標 NULL是為了聲明我們沒有用任何數(shù)據
p_rpart 《- ggplot（data = NULL， aes（x = 1- Specificity， y = Sensitivity）） +
geom_line（colour = ‘red’） + # 繪制ROC曲線
geom_abline（） + # 繪制對角線
annotate（‘text’， x = 0.4， y = 0.5， label = paste（‘AUC=’， #text是聲明圖層上添加文本注釋
#‘3’是round函數(shù)里面的參數(shù)，保留三位小數(shù)
round（roc_rpart$auc， 3））） + theme_bw（） + # 在圖中（0.4，0.5）處添加AUC值
labs（x = ‘1 - Specificity’， y = ‘Sensitivities’） # 設置橫縱坐標軸標簽
p_rpart
回歸樹的ROC曲線
roc_nb 《- roc（testdata$left， pred_nb）
Specificity 《- roc_nb$specificities
Sensitivity 《- roc_nb$sensitivities
p_nb 《- ggplot（data = NULL， aes（x = 1- Specificity， y = Sensitivity）） +
geom_line（colour = ‘red’） + geom_abline（） +
annotate（‘text’， x = 0.4， y = 0.5， label = paste（‘AUC=’，
round（roc_nb$auc， 3））） + theme_bw（） +
labs（x = ‘1 - Specificity’， y = ‘Sensitivities’）
p_nb
樸素貝葉斯ROC曲線圖
回歸樹的AUC值（0.93） 》 樸素貝葉斯的AUC值（0.839）
最終我們選擇了回歸樹模型做為我們的實際預測模型
######################### ============= 應用 =============####################
# 使用回歸樹模型預測分類的概率，type=‘prob’設置預測結果為離職的概率和不離職的概率
pred_end 《- predict（rpartmodel， testdata［-7］， type = ‘prob’）
# 合并預測結果和預測概率結果
data_end 《- cbind（round（pred_end， 3）， pred_rpart）
# 為預測結果表重命名
names（data_end） 《- c（‘pred.0’， ‘pred.1’， ‘pred’）
# 生成一個交互式數(shù)據表
datatable（data_end）
最終我們會生成一個預測結果表
工商網監(jiān)
評論