Employee Attrition Prediction Using Machine Learning

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

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
BeginnerAnfänger
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

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.

Kompetenzen, die Sie erwerben werden

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

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  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

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.