194 lines
17 KiB
Python
194 lines
17 KiB
Python
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() |