HR数据集-机器学习和深度学习优化实践
数据来源：互联网公开数据
标签：人力资源,机器学习,深度学习,员工数据分析,公司文化,员工流动,员工招聘,员工发展,绩效评估
数据概述：
本数据集来自一家虚构的年轻公司，其员工年轻且充满活力。公司的核心业务位于第三产业，可能是科技数据分析领域的初创企业。该公司以开放的心态著称，重视员工的能量、同情心和努力（情商）与其技术能力（智商）相当。公司展现出理想的雇主行为，鼓励员工在任何岗位上创造价值（扁平化层级结构），并且渴望了解如何更好地帮助员工拥有卓越的职业生涯（创新驱动并强调留存），同时公司也坦率地表示有时需要采取严格的措施（处于自动化和市场颠覆的行业中）。
数据集包含了以下特征，基于公司上述背景：
- ID: 员工编号
- Name: 员工姓名
- Gender: 性别
- Marital Status: 婚姻状况
- DOB: 出生日期
- Email: 电子邮件
- Linkedin: 领英链接
- Blogger: 是否是博主
- Articles: 发表的文章数量
- Tenure: 在公司的服务年限
- Cos_Worked: 工作过的公司数量
- Academics_Level: 学术水平
- Sports_Level: 运动水平
- Domains_Worked: 工作过的领域
- Manager_OrNot: 是否为管理者
- Span: 管理的范围
- Hierachy_Level: 层级水平
- Prvs_WorkExp: 前工作经历
- Rated: 评分
- Soft_skills: 软技能
- Pay_Level: 工资水平
- Pay_Level_Peers: 同级员工的工资水平
- Avg_Promotion_Rate: 平均晋升率
- Avg_Hike_Rate: 平均涨薪率
- Bonus_Level: 奖金水平
- Redundancy_Possible: 是否可能被裁员
- add_random_features: 其他随机特征
- Asked_to_Leave: 是否被要求离职
- Left_by_Volition: 是否自愿离职
- Cause: 离职原因
- Role_type: 角色类型
- Recruited_through: 招聘渠道
- moved_within_department: 在部门内部调动
- moved_across_specialization: 跨领域调动
数据用途概述：
该数据集适用于机器学习和深度学习模型的优化实践，可用于人力资源分析、员工流动预测、员工招聘分析、员工发展路径规划、绩效评估等多个场景。研究人员可以通过数据集来分析影响员工流动的关键因素，优化招聘策略，提升员工满意度和留存率，同时也可以用于预测员工的晋升和涨薪情况，为公司的决策提供数据支持。
