Employee Attrition Prediction Using Machine Learning

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Understand the theory and intuition behind logistic regression classifier models

Build, train and test a logistic regression classifier model in Scikit-Learn

Perform data cleaning, feature engineering and visualization

Clock2 hours
BeginnerНачинающий
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this project-based course, we will build, train and test a machine learning model to predict employee attrition using features such as employee job satisfaction, distance from work, compensation and performance. We will explore two machine learning algorithms, namely: (1) logistic regression classifier model and (2) Extreme Gradient Boosted Trees (XG-Boost). This project could be effectively applied in any Human Resources department to predict which employees are more likely to quit based on their features. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

  • Machine Learning Regression
  • Data Science
  • Artificial Neural Network
  • Machine Learning
  • regression

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Understand the Problem Statement and Business Case

  2. Import Libraries and Datasets

  3. Perform Data Visualization

  4. Perform Data Visualization - Continued

  5. Create Training and Testing Datasets

  6. Understand the Intuition Behind Logistic Regression

  7. Train and Evaluate a Logistic Regression Model

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.