社区
非技术区
帖子详情
离职前的散分200
wenchaohu213
2007-03-05 11:21:00
入题,散分,
建议优先
...全文
1626
205
打赏
收藏
离职前的散分200
入题,散分, 建议优先
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
205 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
wenchaohu213
2007-05-15
打赏
举报
回复
其实找工作不是个麻烦事情,目前的市道都还不错的,
已经上班中。。。。。
准备揭帖了。
yupengfei_110
2007-05-08
打赏
举报
回复
只对你的分数感兴趣!
duanjian07
2007-05-08
打赏
举报
回复
jf
spiderleon
2007-05-08
打赏
举报
回复
接分~
Cappuccino_mhc
2007-05-07
打赏
举报
回复
jf
poiunet
2007-05-07
打赏
举报
回复
找个离家进的,别太远
itkan
2007-05-07
打赏
举报
回复
GOOD LUCK~
sohoxxd
2007-05-07
打赏
举报
回复
嘿,帖子这么长。。。接分
gisfox
2007-05-06
打赏
举报
回复
好运
infon
2007-05-05
打赏
举报
回复
睡觉前的接分,,祝福~!
dong8255
2007-05-05
打赏
举报
回复
接分!
潮之金龙
2007-05-04
打赏
举报
回复
接
分
xiyuan1999
2007-05-03
打赏
举报
回复
祝你好运!
ysllqsb
2007-05-03
打赏
举报
回复
jf
javaman1982
2007-04-30
打赏
举报
回复
想跳就跳,跳的漂亮!~
勇气+好运!
zl8671
2007-04-30
打赏
举报
回复
离职,我正在考虑...
linzhanghui
2007-04-30
打赏
举报
回复
jf :)
wyzg1984
2007-04-30
打赏
举报
回复
jf
jxjawfq
2007-04-30
打赏
举报
回复
jf
JIEK_ONE
2007-04-29
打赏
举报
回复
JF
加载更多回复(185)
我,35岁程序员,
离职
前
是这么做的
文章围绕程序员
离职
交接展开,介绍了准备工作,如提交本地代码、整理技术文档和账号密码等;还提及源码层级、服务器与数据库、对接人、文档相关等方面的交接要点,最后提醒清理工作电脑,做好交接可避免后续麻烦。
基于python的kaggle练习(二)——员工
离职
预测
本文基于kaggle数据集,利用Python进行员工
离职
预测,包括数据预处理、可视化分析和多种模型(逻辑回归、朴素贝叶斯、决策树、随机森林)的训练与评估。
离职
率高达23.8%,影响因素包括满意度、绩效、工作时长、薪资、职业、项目数、工作年限和升职情况。
公司人员
离职
情况分析及预测(工具:python)
通过对某公司员工
离职
数据的深入分析,揭示了员工
离职
的原因,包括满意度、工作时长、考核标准等,并利用逻辑回归和朴素贝叶斯模型进行
离职
预测。
kaggel竞赛之员工
离职
分析
本文通过kaggle上的员工
离职
数据集,分析影响员工
离职
的各项因素,如满意度、绩效、项目数、工作时长等。数据显示,
离职
员工普遍对公司的满意度较低,绩效较高,工作时间较长。此外,没有升职和犯错的员工
离职
率相对较高。通过建模发现,决策树在
离职
预测上表现最优,而朴素贝叶斯和SVM效果相对较差。模型评估指标包括准确率、精确率、召回率和F1分数。
员工
离职
预测
这篇博客通过对kaggle上的员工
离职
数据进行分析,旨在探讨影响员工
离职
的因素并建立预测模型。作者详细介绍了数据来源、分析目的、数据探索、预处理、可视化分析、特征工程以及逻辑回归和朴素贝叶斯模型的构建。结果显示,
离职
率约为23.8%,
离职
人员工作时长较长,满意度较低,且多集中在3-6年工作年限的员工中。企业应关注薪酬、晋升机制和工作环境等因素以减少人才流失。
非技术区
23,404
社区成员
70,512
社区内容
发帖
与我相关
我的任务
非技术区
Java 非技术区
复制链接
扫一扫
分享
社区描述
Java 非技术区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章