Прогноз удовлетворённости и увольнения сотрудников | HR Machine Learning

Ссылка на работу
image image
Учебно-исследовательский проект по HR-аналитике с двумя связанными задачами машинного обучения. В первой части построена модель для прогнозирования уровня удовлетворённости сотрудника. Проведены EDA, анализ взаимосвязей, подготовка числовых и категориальных признаков, сравнение линейной модели и дерева решений. Лучший результат на тестовой выборке показал DecisionTreeRegressor: SMAPE = 14.53. Во второй части решалась задача прогнозирования увольнения. Предсказанный уровень удовлетворённости был добавлен как дополнительный признак. Сравнивались Logistic Regression, Random Forest и SVM с подбором гиперпараметров. Лучшей стала модель RandomForestClassifier: ROC-AUC = 0.9308 на тестовой выборке. Стек: Python, pandas, NumPy, scikit-learn, Pipeline, ColumnTransformer, GridSearchCV, статистический анализ и визуализация данных.
https://github.com/Lekar17/prefabricated-project-2