TensorFlowで従業員の退職を予測する

kaggleって知れば知るほど面白いサイトでして、次から次へとトライしたいテーマが出てきます。

日本でも意欲的に取り組まれている方々がいらっしゃるようでして、今回はこのサイトも参考にお題をチョイスしてみました。

1 (保存版:ど素人向け)データ分析ハッカソンやる時の便利なチュートリアル集 by Team AI
2 ■データセットの説明
3 ■予測結果
4 ■まとめ

(保存版:ど素人向け)データ分析ハッカソンやる時の便利なチュートリアル集 by Team AI

https://qiita.com/daisuke-team-ai/items/f8e3275f1d3ca7e9bfcd

「ど素人向け」ありがとうございます！！

トライした問題：「IBM HR Analytics Employee Attrition & Performance（IBMの離職率分析）」
https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset

トップページのDescriptionによると、IBMのdata scientist達が作ってくれた、従業員の属性毎の退職率予測の問題だそうです。当然ながらfictional dataとの事（残念w）。

■データセットの説明

あくまで想定ではありますが、データセットの説明を以下に記載します。
※日本語訳が間違ってても責任は負えません。。。逆に指摘頂けると助かります。

項目	説明
Age	年齢
Attrition	【目的変数】退職したかどうか。Yesなら退職、Noなら退職していない
BusinessTravel	出張頻度でしょう。「non-travel」「rarely」「frequenty」が散見されます
DailyRate	うーん・・・日給？
Department	部署。salesとかreserchとか
DistanceFromHome	自宅から職場までの距離。単位は不明
Education	最終学歴でしょう。サイトに「1 'Below College' 2 'College' 3 'Bachelor' 4 'Master' 5 'Doctor'」の説明がありました
EducationField	専攻
EmployeeCount	正社員フラグですかね？？ただこれ全て"1"なので削除でokと思います
EmployeeNumber	社員番号
EnvironmentSatisfaction	職場環境の満足度、ですね。1 'Low' 2 'Medium' 3 'High' 4 'Very High'
Gender	性別
HourlyRate	時給かなぁ・・・単位が不明。
JobInvolvement	労働意欲、でしょうか。1 'Low' 2 'Medium' 3 'High' 4 'Very High'
JobLevel	査定ランク、でしょうか。対外的な役職とは違う、内部的な。
JobRole	役職
JobSatisfaction	仕事への満足度、ですね。1 'Low' 2 'Medium' 3 'High' 4 'Very High'
MaritalStatus	配偶者の有無
MonthlyIncome	月給
MonthlyRate	すみません、月給？単位が分かりません汗
NumCompaniesWorked	社会人暦？
Over18	成人フラグ？全員Yなので削除でいいでしょう
OverTime	残業有無。2値
PercentSalaryHike	不明！
PerformanceRating	不明！
RelationshipSatisfaction	人間関係の満足度！？結構重要そう。。。
StandardHours	標準労働時間ですかね。全員80なので削除でいいでしょう。
StockOptionLevel	数値が大きいほうがストックオプションをたくさん持っているのでしょう。うらやましい。。。
TotalWorkingYears	前職を含めた社会人暦、でしょう。別項目にYearsAtCompanyがあるので。
TrainingTimesLastYear	昨年の教育時間、かな？皆さん全然trainingしてないっすね
WorkLifeBalance	数字が大きいとワークライフバランスが良いのか悪いのかは不明。
YearsAtCompany	この会社の在籍期間ですね
YearsInCurrentRole	現役職期間
YearsSinceLastPromotion	昇進してからの年数
YearsWithCurrManager	今の上司になってからの年数。結構重要そう！

いつも通り経過は端折りますが、TensorFlowを使ったモデル作成結果です。

■予測結果

AUC=0.8超えたのでかなり良い感じかなと思います
よく効く特徴量としては、OverTime、JobSatisfaction、EnvironmentSatisfaction、Ageなどなど。

こちらに上げた項目は、離職する/しないと、見事に相関があるように見えますが、IBMのdata scientist達が勝手に作ったデータらしいので特に感慨はありませんね・・・

■まとめ

日本ではこれからピープルアナリティクス領域が盛り上がる雰囲気があります。

離職を予測したり従業員のパフォーマンスを予測したり（Good/Poor performerの分類）、一見サラリーマンから見たら少し怖い領域ですが、上司情報を含む周辺情報も変数として追加することで、本人のパフォーマンスを最大化できる環境の予測など、前向きな課題に活用していけると面白いかもしれませんね。

なお、私が参考にしているのは以下の本「機械学習のための前処理入門」です。