Merge pull request 'kochkareva_elizaveta_lab_3 is ready' (#195) from kochkareva_elizaveta_lab_3 into main
Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/195
This commit is contained in:
commit
ac83aa892a
123
kochkareva_elizaveta_lab_3/README.md
Normal file
123
kochkareva_elizaveta_lab_3/README.md
Normal file
@ -0,0 +1,123 @@
|
||||
|
||||
# Лабораторная работа 3. Вариант 15
|
||||
|
||||
### Задание
|
||||
Выполнить ранжирование признаков и решить с помощью библиотечной реализации дерева решений задачу классификации на 99% данных из курсовой работы. Проверить работу модели на оставшемся проценте, сделать вывод.
|
||||
|
||||
Модель:
|
||||
- дерево решений DecisionTreeClassifier.
|
||||
|
||||
### Как запустить лабораторную работу
|
||||
Для запуска программы необходимо с помощью командной строки в корневой директории файлов прокета прописать:
|
||||
```
|
||||
python main.py
|
||||
```
|
||||
|
||||
### Какие технологии использовали
|
||||
- Библиотека *numpy* для работы с массивами.
|
||||
- Библиотека *pandas* для для работы с данными и таблицами.
|
||||
- Библиотека *sklearn*:
|
||||
- *train_test_split* - для разделения данных на обучающую и тестовую выборки.
|
||||
- *MinMaxScaler* - для нормализации данных путем масштабирования значений признаков в диапазоне от 0 до 1.
|
||||
- *DecisionTreeClassifier* - для использования алгоритма дерева решений для задачи классификации.
|
||||
|
||||
### Описание лабораторной работы
|
||||
#### Описание набора данных
|
||||
В качестве набора данных был взят: *"Job Dataset"* - набор данных, содержащий объявления о вакансиях.
|
||||
Набор данных состоит из следующих столбцов:
|
||||
Descriptions for each of the columns in the dataset:
|
||||
- Job Id - Уникальный идентификатор для каждой публикации вакансии.
|
||||
- Experience - Требуемый или предпочтительный многолетний опыт работы на данной должности.
|
||||
- Qualifications - Уровень образования, необходимый для работы.
|
||||
- Salary Range - Диапазон окладов или компенсаций, предлагаемых за должность.
|
||||
- Location - Город или область, где находится работа.
|
||||
- Country - Страна, в которой находится работа.
|
||||
- Latitude - Координата широты местоположения работы.
|
||||
- Longitude - Координата долготы местоположения работы.
|
||||
- Work Type - Тип занятости (например, полный рабочий день, неполный рабочий день, контракт).
|
||||
- Company Size - Приблизительный размер или масштаб компании, принимающей на работу.
|
||||
- Job Posting Date - Дата, когда публикация о вакансии была опубликована.
|
||||
- Preference - Особые предпочтения или требования к кандидатам (например, только мужчины или только женщины, или и то, и другое).
|
||||
- Contact Person - Имя контактного лица или рекрутера для работы.
|
||||
- Contact - Контактная информация для запросов о работе.
|
||||
- Job Title - Название должности
|
||||
- Role - Роль или категория работы (например, разработчик программного обеспечения, менеджер по маркетингу).
|
||||
- Job Portal - Платформа или веб-сайт, на котором была размещена вакансия.
|
||||
- Job Description - Подробное описание должностных обязанностей и требований.
|
||||
- Benefits - Информация о льготах, предоставляемых в связи с работой (например, медицинская страховка, пенсионные планы).
|
||||
- Skills - Навыки или квалификация, необходимые для работы.
|
||||
- Responsibilities - Конкретные обязанности, связанные с работой.
|
||||
- Company Name - Название компании, принимающей на работу.
|
||||
- Company Profile - Краткий обзор истории компании и миссии.
|
||||
|
||||
Ссылка на страницу набора на kuggle: [Job Dataset](https://www.kaggle.com/datasets/ravindrasinghrana/job-description-dataset)
|
||||
|
||||
#### Подготовка данных
|
||||
Для обеспечения качественного анализа данных и построения точных моделей машинного обучения, необходимо провести предварительную обработку данных. В данном проекте была выполнена следующая предобработка данных:
|
||||
- Были удалены незначищие столбцы: *"Job Id", "latitude", "longitude", "Contact Person", "Contact", "Job Description", "Responsibilities"*.
|
||||
```python
|
||||
df_job.drop(["Job Id", "latitude", "longitude", "Contact Person", "Contact", "Job Description", "Responsibilities"], axis=1,
|
||||
inplace=True)
|
||||
```
|
||||
- Кодирование категориальных признаков, преобразованние их в уникальные числовые значения для каждого столбца, чтобы модель машинного обучения могла работать с ними, для столбцов: *'location', 'Country', 'Work Type','Preference', 'Job Title', 'Role', 'Job Portal', 'skills', 'Company', 'Sector'*. Пример кодирования категориальных признаков:
|
||||
```python
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
qualifications_dict = {qual: i for i, qual in enumerate(df_job['Qualifications'].unique())}
|
||||
# Заменяем значения в столбце "Qualifications" соответствующими числовыми идентификаторами
|
||||
df_job['Qualifications'] = df_job['Qualifications'].map(qualifications_dict)
|
||||
```
|
||||
- Данные столбцов *'Experience' и 'Salary Range'* были разделены соответственно на дополнительные столбцы: *'Min Experience', 'Max Experience', 'Min Salary', 'Max Salary'*. А сами столбцы *'Experience' и 'Salary Range'* удалены.
|
||||
Пример разделения:
|
||||
```python
|
||||
# Разделяем значения 'Years' на минимальное и максимальное
|
||||
# Удаляем символы валюты и другие символы
|
||||
df_job['Experience'] = df_job['Experience'].apply(lambda x: str(x).replace('Years', '') if x is not None else x)
|
||||
df_job[['Min Experience', 'Max Experience']] = df_job['Experience'].str.split(' to ', expand=True)
|
||||
# Преобразуем значения в числовой формат
|
||||
df_job['Min Experience'] = pd.to_numeric(df_job['Min Experience'])
|
||||
df_job['Max Experience'] = pd.to_numeric(df_job['Max Experience'])
|
||||
```
|
||||
- Данные столбцы *'Job Posting Date'* были разбиты на дополнительные столбцы: *'year', 'month', 'day'*. А сам столбец *'Job Posting Date'* был удален.
|
||||
- Данные ячеек столбца *'Company Profile'* имеют структуру вида *{"Sector":"Diversified","Industry":"Diversified Financials","City":"Sunny Isles Beach","State":"Florida","Zip":"33160","Website":"www.ielp.com","Ticker":"IEP","CEO":"David Willetts"}*, поэтому были разделены на дополнительные столбцы и закодированы для избежания категориальных признаков: *'Sector', 'Industry', 'City', 'State', 'Ticker'*, а данные о *'Zip', 'Website', 'CEO'* были удалены, как наименее важные. Также был удален сам столбец *'Company Profile'*.
|
||||
|
||||
#### Выявление значимых параметров
|
||||
|
||||
Создаем переменную y, которая содержит значения целевой переменной *"Qualifications"* из нашего подготовленного набора данных `data`. Разделяем данные на обучающую и тестовую выборки, где `corr.values` содержит значения признаков, которые будут использоваться для обучения модели, `y.values` содержит значения целевой переменной, а `test_size=0.2` указывает, что 20% данных будет использоваться для тестирования модели. Затем создаем экземпляр классификатора `DecisionTreeClassifier` и обучаем классификатор на обучающих данных. После чего получаем важности признаков из обученной модели, которые показывают, насколько сильно каждый признак влияет на прогнозы модели.
|
||||
```python
|
||||
# определение целевой переменной
|
||||
y = data['Qualifications']
|
||||
# Разделение данных на обучающую и тестовую выборки
|
||||
X_train, X_test, y_train, y_test = train_test_split(corr.values, y.values, test_size=0.2)
|
||||
# Создание экземпляра классификатора дерева решений
|
||||
clf = DecisionTreeClassifier(random_state=241)
|
||||
# Обучение модели на обучающей выборке
|
||||
clf.fit(X_train, y_train)
|
||||
# Прогнозирование классов для тестовой выборки
|
||||
y_pred = clf.predict(X_test)
|
||||
importances = clf.feature_importances_
|
||||
print("Важность признаков: ")
|
||||
print(importances)
|
||||
print("Отсортированная важность признаков: ")
|
||||
conversion_ratings(importances)
|
||||
```
|
||||
Для того, чтобы получить отсортированный список важности признаков и их значения создаем дополнительный метод `conversion_ratings` с аналогичной логикой работы сортировки данных, как в лабораторной работе 2.
|
||||
|
||||
После запуска имеем следующий результат:
|
||||
```
|
||||
Важность признаков:
|
||||
[0.04535517 0.04576875 0.03236705 0.07819966 0.02279837 0.0608208
|
||||
0.04189454 0.04985896 0.0418959 0.03571376 0.03675038 0.04229454
|
||||
0.04054691 0.05188657 0.03849015 0.04226668 0.04105321 0.03616932
|
||||
0.03535738 0.01584379 0.04569225 0.0588709 0.00620841 0.00620682
|
||||
0.00606359 0.00595985 0.00568906 0.00345068 0.00343211 0.00491702
|
||||
0.00614867 0.00568446 0.00634429]
|
||||
Отсортированная важность признаков:
|
||||
{'Company Size': 1.0, 'Job Title': 0.77, 'day': 0.74, 'Max Salary': 0.65, 'Job Portal': 0.62, 'Country': 0.57, 'month': 0.57, 'location': 0.56, 'Max Experience': 0.52, 'Industry': 0.52, 'Role': 0.51, 'skills': 0.51, 'Min Salary': 0.5, 'City': 0.5, 'Sector': 0.47, 'Min Experience': 0.45, 'State': 0.44, 'Company': 0.43, 'Ticker': 0.43, 'Work Type': 0.39, 'Preference': 0.26, 'year': 0.17, "'Casual Dress Code, Social and Recreational Activities, Employee Referral Programs, Health and Wellness Facilities, Life and Disability Insurance'": 0.04, "'Childcare Assistance, Paid Time Off (PTO), Relocation Assistance, Flexible Work Arrangements, Professional Development'": 0.04, "'Employee Assistance Programs (EAP), Tuition Reimbursement, Profit-Sharing, Transportation Benefits, Parental Leave'": 0.04, "'Life and Disability Insurance, Stock Options or Equity Grants, Employee Recognition Programs, Health Insurance, Social and Recreational Activities'": 0.04, "'Tuition Reimbursement, Stock Options or Equity Grants, Parental Leave, Wellness Programs, Childcare Assistance'": 0.04, "'Employee Referral Programs, Financial Counseling, Health and Wellness Facilities, Casual Dress Code, Flexible Spending Accounts (FSAs)'": 0.03, "'Flexible Spending Accounts (FSAs), Relocation Assistance, Legal Assistance, Employee Recognition Programs, Financial Counseling'": 0.03, "'Transportation Benefits, Professional Development, Bonuses and Incentive Programs, Profit-Sharing, Employee Discounts'": 0.03, "'Legal Assistance, Bonuses and Incentive Programs, Wellness Programs, Employee Discounts, Retirement Plans'": 0.02, "'Health Insurance, Retirement Plans, Flexible Work Arrangements, Employee Assistance Programs (EAP), Bonuses and Incentive Programs'": 0.0, "'Health Insurance, Retirement Plans, Paid Time Off (PTO), Flexible Work Arrangements, Employee Assistance Programs (EAP)'": 0.0}
|
||||
|
||||
```
|
||||
|
||||
### Вывод
|
||||
|
||||
Таким образом, можно сделать вывод о том, что наиболее важным признаком является "Company Size" с важностью 1.0, за ним следуют "Job Title" (0.77), "day" (0.74) и "Max Salary" (0.65). Исходя из значений важности признаков, можно сделать вывод, что как числовые, так и категориальные признаки вносят вклад в прогнозирование целевой переменной.
|
||||
|
||||
В целом, результаты лабораторной работы позволяют оценить важность каждого признака в прогнозировании целевой переменной и помогают понять, какие признаки следует учитывать при анализе данных и принятии решений.
|
||||
194
kochkareva_elizaveta_lab_3/main.py
Normal file
194
kochkareva_elizaveta_lab_3/main.py
Normal file
@ -0,0 +1,194 @@
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
from sklearn.model_selection import train_test_split
|
||||
from sklearn.preprocessing import MinMaxScaler
|
||||
from sklearn.tree import DecisionTreeClassifier
|
||||
|
||||
|
||||
def data_preprocessing():
|
||||
df_job_orig = pd.read_csv('D:/Интеллектуальные информационные системы/Dataset/job_descriptions.csv')
|
||||
df_job_orig = pd.DataFrame(df_job_orig)
|
||||
desired_rows = int(0.99 * len(df_job_orig))
|
||||
df_job = df_job_orig.copy()
|
||||
df_job = df_job[:desired_rows]
|
||||
df_job.drop(["Job Id", "latitude", "longitude", "Contact Person", "Contact", "Job Description", "Responsibilities"], axis=1,
|
||||
inplace=True)
|
||||
# digitization
|
||||
# --------------------------'Years'------------------------
|
||||
# Разделяем значения 'Years' на минимальное и максимальное
|
||||
# Удаляем символы валюты и другие символы
|
||||
df_job['Experience'] = df_job['Experience'].apply(lambda x: str(x).replace('Years', '') if x is not None else x)
|
||||
df_job[['Min Experience', 'Max Experience']] = df_job['Experience'].str.split(' to ', expand=True)
|
||||
# Преобразуем значения в числовой формат
|
||||
df_job['Min Experience'] = pd.to_numeric(df_job['Min Experience'])
|
||||
df_job['Max Experience'] = pd.to_numeric(df_job['Max Experience'])
|
||||
# --------------------------'Salary Range'------------------------
|
||||
# Удаляем символы валюты и другие символы
|
||||
df_job['Salary Range'] = df_job['Salary Range'].str.replace('$', '').str.replace('K', '000')
|
||||
# Разделяем значения на минимальное и максимальное
|
||||
df_job[['Min Salary', 'Max Salary']] = df_job['Salary Range'].str.split('-', expand=True)
|
||||
# Преобразуем значения в числовой формат
|
||||
df_job['Min Salary'] = pd.to_numeric(df_job['Min Salary'])
|
||||
df_job['Max Salary'] = pd.to_numeric(df_job['Max Salary'])
|
||||
# --------------------------'Qualifications'------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
qualifications_dict = {qual: i for i, qual in enumerate(df_job['Qualifications'].unique())}
|
||||
# Заменяем значения в столбце "Qualifications" соответствующими числовыми идентификаторами
|
||||
df_job['Qualifications'] = df_job['Qualifications'].map(qualifications_dict)
|
||||
# --------------------------'location'------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
locations_dict = {locat: i for i, locat in enumerate(df_job['location'].unique())}
|
||||
# Заменяем значения в столбце "location" соответствующими числовыми идентификаторами
|
||||
df_job['location'] = df_job['location'].map(locations_dict)
|
||||
# --------------------------'Country'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
countries_dict = {countr: i for i, countr in enumerate(df_job['Country'].unique())}
|
||||
# Заменяем значения в столбце "Country" соответствующими числовыми идентификаторами
|
||||
df_job['Country'] = df_job['Country'].map(countries_dict)
|
||||
# --------------------------'Work Type'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
wt_dict = {wt: i for i, wt in enumerate(df_job['Work Type'].unique())}
|
||||
# Заменяем значения в столбце "Work Type" соответствующими числовыми идентификаторами
|
||||
df_job['Work Type'] = df_job['Work Type'].map(wt_dict)
|
||||
# --------------------------'Preference gender'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
gender_dict = {gender: i for i, gender in enumerate(df_job['Preference'].unique())}
|
||||
# Заменяем значения в столбце "Preference" соответствующими числовыми идентификаторами
|
||||
df_job['Preference'] = df_job['Preference'].map(gender_dict)
|
||||
# --------------------------'Job Title'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
jt_dict = {jt: i for i, jt in enumerate(df_job['Job Title'].unique())}
|
||||
# Заменяем значения в столбце "Job Title" соответствующими числовыми идентификаторами
|
||||
df_job['Job Title'] = df_job['Job Title'].map(jt_dict)
|
||||
# --------------------------'Role'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
role_dict = {role: i for i, role in enumerate(df_job['Role'].unique())}
|
||||
# Заменяем значения в столбце "Role" соответствующими числовыми идентификаторами
|
||||
df_job['Role'] = df_job['Role'].map(role_dict)
|
||||
# --------------------------'Job Portal'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
jp_dict = {jp: i for i, jp in enumerate(df_job['Job Portal'].unique())}
|
||||
# Заменяем значения в столбце "Job Portal" соответствующими числовыми идентификаторами
|
||||
df_job['Job Portal'] = df_job['Job Portal'].map(jp_dict)
|
||||
# --------------------------'Company'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {comp: i for i, comp in enumerate(df_job['Company'].unique())}
|
||||
# Заменяем значения в столбце "Company" соответствующими числовыми идентификаторами
|
||||
df_job['Company'] = df_job['Company'].map(comp_dict)
|
||||
# --------------------------'Company Profile'-------------------------
|
||||
df_company_profile = df_job['Company Profile'].str.split('",', expand=True)
|
||||
df_company_profile.columns = ['Sector', 'Industry', 'City', 'State', 'Zip', 'Website', 'Ticker', 'CEO']
|
||||
df_company_profile = df_company_profile.apply(
|
||||
lambda x: x.str.replace('{', '').str.replace('"', '').str.replace('}', '')
|
||||
.str.replace('Sector', '').str.replace('Industry', '').str.replace('City', '')
|
||||
.str.replace('State', '').str.replace('Zip', '').str.replace('Website', '')
|
||||
.str.replace('Ticker', '').str.replace('CEO', '').str.replace(':', ''))
|
||||
df_company_profile.drop(["CEO", "Website", "Zip"], axis=1, inplace=True)
|
||||
# --------------------------'Sector'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {sector: i for i, sector in enumerate(df_company_profile['Sector'].unique())}
|
||||
# Заменяем значения в столбце "Sector" соответствующими числовыми идентификаторами
|
||||
df_company_profile['Sector'] = df_company_profile['Sector'].map(comp_dict)
|
||||
# --------------------------'Industry'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {industry: i for i, industry in enumerate(df_company_profile['Industry'].unique())}
|
||||
# Заменяем значения в столбце "Industry" соответствующими числовыми идентификаторами
|
||||
df_company_profile['Industry'] = df_company_profile['Industry'].map(comp_dict)
|
||||
# --------------------------'City'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {city: i for i, city in enumerate(df_company_profile['City'].unique())}
|
||||
# Заменяем значения в столбце "City" соответствующими числовыми идентификаторами
|
||||
df_company_profile['City'] = df_company_profile['City'].map(comp_dict)
|
||||
# --------------------------'State'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {state: i for i, state in enumerate(df_company_profile['State'].unique())}
|
||||
# Заменяем значения в столбце "State" соответствующими числовыми идентификаторами
|
||||
df_company_profile['State'] = df_company_profile['State'].map(comp_dict)
|
||||
# --------------------------'Ticker'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {ticker: i for i, ticker in enumerate(df_company_profile['Ticker'].unique())}
|
||||
# Заменяем значения в столбце "Ticker" соответствующими числовыми идентификаторами
|
||||
df_company_profile['Ticker'] = df_company_profile['Ticker'].map(comp_dict)
|
||||
# Объединение преобразованных столбцов с исходным датасетом
|
||||
df_job = pd.concat([df_job, df_company_profile], axis=1)
|
||||
# --------------------------'Job Posting Date'-------------------------
|
||||
df_job[['year', 'month', 'day']] = df_job['Job Posting Date'].str.split('-', expand=True)
|
||||
df_job['year'] = pd.to_numeric(df_job['year'])
|
||||
df_job['month'] = pd.to_numeric(df_job['month'])
|
||||
df_job['day'] = pd.to_numeric(df_job['day'])
|
||||
# --------------------------'Benefits'-------------------------
|
||||
df_job['Benefits'] = df_job['Benefits'].str.replace('{', '').str.replace('}', '')
|
||||
# Применить метод get_dummies для оцифровки столбца 'Benefits'
|
||||
benefits_encoded = pd.get_dummies(df_job['Benefits'], dtype=int)
|
||||
# Соединить исходный DataFrame с оцифрованными данными
|
||||
df_job = pd.concat([df_job, benefits_encoded], axis=1)
|
||||
# --------------------------'skills'-------------------------
|
||||
# Создаем словарь для отображения уникальных значений в числовые идентификаторы
|
||||
comp_dict = {skill: i for i, skill in enumerate(df_job['skills'].unique())}
|
||||
# Заменяем значения в столбце "skills" соответствующими числовыми идентификаторами
|
||||
df_job['skills'] = df_job['skills'].map(comp_dict)
|
||||
df_job.drop(["Company Profile", "Experience", "Salary Range", "Benefits", "Job Posting Date"], axis=1, inplace=True)
|
||||
print(df_job.dtypes)
|
||||
df_job.to_csv('D:/Интеллектуальные информационные системы/Dataset/updated_job_descriptions.csv', index=False)
|
||||
|
||||
|
||||
def decision_tree_classifier():
|
||||
data = pd.read_csv('D:/Интеллектуальные информационные системы/Dataset/updated_job_descriptions.csv')
|
||||
corr = data[['location', 'Country', 'Work Type', 'Company Size', 'Preference', 'Job Title', 'Role', 'Job Portal', 'skills', 'Company', 'Min Experience', 'Max Experience', 'Min Salary',
|
||||
'Max Salary', 'Sector', 'Industry', 'City', 'State', 'Ticker', 'year', 'month', 'day',
|
||||
"'Casual Dress Code, Social and Recreational Activities, Employee Referral Programs, Health and Wellness Facilities, Life and Disability Insurance'",
|
||||
"'Childcare Assistance, Paid Time Off (PTO), Relocation Assistance, Flexible Work Arrangements, Professional Development'",
|
||||
"'Employee Assistance Programs (EAP), Tuition Reimbursement, Profit-Sharing, Transportation Benefits, Parental Leave'",
|
||||
"'Employee Referral Programs, Financial Counseling, Health and Wellness Facilities, Casual Dress Code, Flexible Spending Accounts (FSAs)'",
|
||||
"'Flexible Spending Accounts (FSAs), Relocation Assistance, Legal Assistance, Employee Recognition Programs, Financial Counseling'",
|
||||
"'Health Insurance, Retirement Plans, Flexible Work Arrangements, Employee Assistance Programs (EAP), Bonuses and Incentive Programs'",
|
||||
"'Health Insurance, Retirement Plans, Paid Time Off (PTO), Flexible Work Arrangements, Employee Assistance Programs (EAP)'",
|
||||
"'Legal Assistance, Bonuses and Incentive Programs, Wellness Programs, Employee Discounts, Retirement Plans'",
|
||||
"'Life and Disability Insurance, Stock Options or Equity Grants, Employee Recognition Programs, Health Insurance, Social and Recreational Activities'",
|
||||
"'Transportation Benefits, Professional Development, Bonuses and Incentive Programs, Profit-Sharing, Employee Discounts'",
|
||||
"'Tuition Reimbursement, Stock Options or Equity Grants, Parental Leave, Wellness Programs, Childcare Assistance'"]]
|
||||
print(corr.head())
|
||||
# определение целевой переменной
|
||||
y = data['Qualifications']
|
||||
# Разделение данных на обучающую и тестовую выборки
|
||||
X_train, X_test, y_train, y_test = train_test_split(corr.values, y.values, test_size=0.2)
|
||||
# Создание экземпляра классификатора дерева решений
|
||||
clf = DecisionTreeClassifier(random_state=241)
|
||||
# Обучение модели на обучающей выборке
|
||||
clf.fit(X_train, y_train)
|
||||
# Прогнозирование классов для тестовой выборки
|
||||
y_pred = clf.predict(X_test)
|
||||
importances = clf.feature_importances_
|
||||
print("Важность признаков: ")
|
||||
print(importances)
|
||||
print("Отсортированная важность признаков: ")
|
||||
conversion_ratings(importances)
|
||||
|
||||
|
||||
def conversion_ratings(rank):
|
||||
column_names = ['location', 'Country', 'Work Type', 'Company Size', 'Preference', 'Job Title', 'Role', 'Job Portal', 'skills', 'Company', 'Min Experience', 'Max Experience', 'Min Salary',
|
||||
'Max Salary', 'Sector', 'Industry', 'City', 'State', 'Ticker', 'year', 'month', 'day',
|
||||
"'Casual Dress Code, Social and Recreational Activities, Employee Referral Programs, Health and Wellness Facilities, Life and Disability Insurance'",
|
||||
"'Childcare Assistance, Paid Time Off (PTO), Relocation Assistance, Flexible Work Arrangements, Professional Development'",
|
||||
"'Employee Assistance Programs (EAP), Tuition Reimbursement, Profit-Sharing, Transportation Benefits, Parental Leave'",
|
||||
"'Employee Referral Programs, Financial Counseling, Health and Wellness Facilities, Casual Dress Code, Flexible Spending Accounts (FSAs)'",
|
||||
"'Flexible Spending Accounts (FSAs), Relocation Assistance, Legal Assistance, Employee Recognition Programs, Financial Counseling'",
|
||||
"'Health Insurance, Retirement Plans, Flexible Work Arrangements, Employee Assistance Programs (EAP), Bonuses and Incentive Programs'",
|
||||
"'Health Insurance, Retirement Plans, Paid Time Off (PTO), Flexible Work Arrangements, Employee Assistance Programs (EAP)'",
|
||||
"'Legal Assistance, Bonuses and Incentive Programs, Wellness Programs, Employee Discounts, Retirement Plans'",
|
||||
"'Life and Disability Insurance, Stock Options or Equity Grants, Employee Recognition Programs, Health Insurance, Social and Recreational Activities'",
|
||||
"'Transportation Benefits, Professional Development, Bonuses and Incentive Programs, Profit-Sharing, Employee Discounts'",
|
||||
"'Tuition Reimbursement, Stock Options or Equity Grants, Parental Leave, Wellness Programs, Childcare Assistance'"]
|
||||
ranks = dict()
|
||||
ranks = np.abs(rank)
|
||||
minmax = MinMaxScaler()
|
||||
ranks = minmax.fit_transform(np.array(ranks).reshape(33, 1)).ravel() # - преобразование данных
|
||||
ranks = map(lambda x: round(x, 2), ranks) # - округление элементов массива
|
||||
my_dict = dict(zip(column_names, ranks))
|
||||
sorted_dict = dict(sorted(my_dict.items(), key=lambda x: x[1], reverse=True))
|
||||
print(sorted_dict)
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
#data_preprocessing()
|
||||
decision_tree_classifier()
|
||||
Loading…
Reference in New Issue
Block a user