ピープル・アナリティクス-Pythonで分析
決定木分析を利用するメリット データを分割するルールをつ決定木分析を実行！ 決定木分析のメリットと注意点 決定木分析を利用するメリット 前回までロジスティック回帰で離職リスク分析を行いましたが、今回は同じデータを決定木分析を使って実施したいと…
検証データでモデルの確からしさを計測する方法 カテゴリーの分類精度を抽出！ 予測確率の正確さ（ROC曲線、AUC)を出す 検証データでモデルの確からしさを計測する方法 前回のブログでロジスティック回帰を用いて離職リスク分析を行いました。 millebon.hate…
統計分析で一番時間がかかるのが前処理。。 カテゴリー変数を0か1かに変換（map変数を活用） 条件式を使って0か1に変換 （最小最大）正規化で連続数値の重みを統一化 統計分析で一番時間がかかるのが前処理。。 Pythonでデータ分析を行うときに一番時間がか…
Pythonの可視化で何を使うか？ Plotlyの情報は少ない。。 Plotly Express で描画してみる！ ヒストグラム 横並び棒グラフ 箱ひげ図 Pythonの可視化で何を使うか？ データ分析を行うにあたって、重要なことの一つがデータのグラフ化するということです。 デー…
2つの変数に本当に相関がある？ Pythonで偏相関係数を出してみる！ 2つの変数に本当に相関がある？ 以前のブログで相関係数をPythonで計算しましたが、この時どうしても拭い去れなかった思いが、「この係数は2者間の純粋な係数を算出しているのか」というこ…
残差診断のためのコマンドlmdiagをインストール 4つのグラフはすぐに出ました！ 残差診断のためのコマンドlmdiagをインストール いよいよ、重回帰分析を使ったピープル・アナリティクスも最終回です。 今回は、最初の回で重回帰分析を使うための前提の3つ目…
重回帰分析で出した変数を調整していく ステップワイズ法をPythonで実践するのは大変。。 重回帰分析で出した変数を調整していく 前回のブログのお題で重回帰分析を行いました。 しかし、ここで終わりではありません。前回は学術研究で関連性のあると思われ…
いよいよ？重回帰分析 重回帰分析の前提条件（の一部）を確認！ Statsmodelでの重回帰分析はとても簡単！ いよいよ？重回帰分析 前回は、人事の課題をPythonで単回帰分析を行い、分析する事例を紹介しました。 今回は、いよいよ重回帰分析に挑戦したいと思い…
単回帰分析もまずは散布図を描くことから始める！ 単回帰分析を実施！ 決定済み係数の大小はあまり問題ではない？？ 単回帰分析もまずは散布図を描くことから始める！ 前々回、前回と相関分析を取り扱いましたが、今回は単回帰分析を用いてHRの課題に取り組…
相関係数を一度に出力する方法 p値も一緒に出力したいのなら・・ 相関係数を一度に出力する方法 前回はネットワーキングとイノベーションに相関性があるかということで1対1の相関係数を算出しました。 今回のお題は「イノベーションを予測する変数を複数の中…
今回のお題 前提に必要な検証を実施 外れ値を外して相関係数を出しなおす 今回のお題 前回に引き続きに引き続き、AIHR内の”Statistics in HR”にある人事に関する課題を統計で解決するという課題に取り組みたいと思います。 お題は、社員のネットワーキング活…
今回のお題 Pythonで結果はすぐ出ますが、その前提条件を確認するのが大事 前提に必要な条件を検証 参考リンク 今回のお題 ピープル・アナリティクスで統計を使って分析をしたいと考えても、どういう風に使えばいいのかがなかなか思いつきません。 今AIHRの”…
