马云说：“员工离职的原因总是只有两个：钱，没有到位;心委屈了。”
现在很多老板都抱怨说，年轻人的流动率太高了，员工觉得老板的钱太少了，最后还是多指责。
为什么我们最好和最有经验的员工过早离职？
1）决策树生长流程
决策树的决策过程就是从根结点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子结点，将叶子结点的存放的类别作为决策结果。简单说来，决策树的总体流程是自根至叶的递归过程，在每个中间结点寻找一个「划分」（split or test）属性。
2）最优属性选择
下面我们来看看，决策树的最优划分属性选择，是怎么做的。
（1）信息熵
要了解决策树的「最优属性」选择，我们需要先了解一个信息论的概念「信息熵（entropy）」（相关知识可以参考ShowMeAI文章 图解AI数学基础 | 信息论），它是消除不确定性所需信息量的度量，也是未知事件可能含有的信息量，可以度量样本集合「纯度」。
取值为1的时候，信息熵为0（很显然这时候概率1表示确定事件，没有任何不确定性）；而当p k p_{k}p
k
是均匀分布的时候，信息熵取最大值log ( ∣ y ∣ ) \log(|y|)log(∣y∣)（此时所有候选同等概率，不确定性最大）。
（2）信息增益
大家对信息熵有了解后，我们就可以进一步了解信息增益（Information Gain），它衡量的是我们选择某个属性进行划分时信息熵的变化（可以理解为基于这个规则划分，不确定性降低的程度）。
信息增益描述了一个特征带来的信息量的多少。在决策树分类问题中，信息增益就是决策树在进行属性选择划分前和划分后的信息差值。典型的决策树算法ID3就是基于信息增益来挑选每一节点分支用于划分的属性（特征）的。
到底如何解决这个困境？ 拓端数据tecdat使用数据分析员工离开的原因，希望能从中找到线索。
我们搜集的数据包含：
l能力评估
l项目数量
l平均每月工作时间/小时
l花在公司的时间
l是否有工作意外
l是否在过去5年里进行了推广
l部门
l薪水
l员工是否离开
可下载资源
作者
1 判断哪些员工做出了较大贡献
为了判断哪些员工做出了较大贡献,我们需要得到一个判断的规则.
因此在这里我们将使用evaluation来代表哪些员工作出贡献的衡量标准,
为了得到判断的规则，我们要使用决策树模型.
决策树模型的概念如下:
决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。
然后我们需要evaluation作为决策树的因变量,将其他的员工特征作为输入变量，然后我们可以得到决策树的规则，从而判断哪些变量可以判断员工作出了贡献
我们查看模型的结构
从上面的结果来看，我们可以看到树的节点有平均工作时间,在公司所花的时间,满意程度,这几个变量.因此我们可以通过这些变量来判断一个人供是否对公司做出了贡献.从第一个节点我们可以看到，如果每月的平均工作小时小于零一百六十个小时的话，那么他的贡献，在78%左右,也就是平均贡献非常低.如果工作时间大于160个小时,我们要看他在公司所花的时间.如果公司所花的时间大于3.5.那么他对公司做出的贡献在81%左右.如果在公司所花的时间不足3.5.那么我们就要判断他对公司的满意程度.因此从上面的结果中我们可以看到,在公司所花的时间越多，那么这个人对公司的贡献可能略大,公司的满意程度较低,，说明他认为公司的可提高空间还很大，因此他对公司的贡献也会较大.
随时关注您喜欢的主题
2 哪些原因会导致员工离职
然后我们是用同样的方法来判断哪些原因会导致员工的离职，在这里我们使用员工是否离职作为因变量.
我们查看模型的结果
从结果中，我们可以看到有一些变量重复的出现,比如对公司的满意程度，在公司所花的时间所做的工程数量，最后的评估结果.因此可以认为这些变量对员工是否离职产生了重要的影响.
同时我们还可以得到对员工是否离职的影响的一个决策树方程
从上面的结果来看，我们可以发现,系数如果是负的那么说明这个，这个变量对于是否离职有负相关的作用，如果系数是正的，那么这个变量对员工是否与此产生了正相关的作用.那么从上面的结果中我们就可以看到，如果一个员工对公司的满意程度越高，那么他离职的可能性就越小，如果一个员工最后的评估成绩越高，那么他离职的可能性也越小，如果他做过的项目数量越多，那么他离职的可能性也越小,同时我们可以看到，如果他的薪水较低，那么他离职的可能性就越大.同时我们还可以看到，一个人的岗位，还有他平均的工作时间，对她是否离职似乎没有影响.
3 能否通过加薪升职等方式挽留那些做出贡献的员工 ？
那么是否可以通过升职加薪的方式挽留作出贡献的员工呢？
从上面的方程来看，答案是肯定的.
因为一个人的薪水越低，那么他离职的可能性就越高，因此如果增加一个人的薪水，那么会降低他的离职概率.同时从系数的大小我们还可以判断，如果一个人的职位是i t部门那么他的离职可能性会较小。同时我们可以看到，如果公司对它的最后评估越高，那么他离职的可能性也越小，因此我们可以通过升职加薪的方式来挽留作出贡献的员工。
提高教育水平，使年轻人具有中产阶级价值观和更高的自我期望。 但高等教育的普及也导致了中产阶级价值实行变得困难。 这就像能买得起票的人变得更多，结果不是每个人都可以上车。 因此，有时我们要调整对工作的预期，做好眼前的事情。
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言SVM、决策树与因子分析对城市空气质量分类与影响因素可视化研究
R语言主成分PCA、决策树、boost预警模型数据挖掘在跨区域犯罪研究分析
R语言用决策树的酒店收入和产量预测可视化研究
