- AIでデータ分析-決定木：従業員の離職を予測する
- 用いるデータの紹介
- まずはPythonで実装する
- AIの活用：ChatGPTで実行する
- まとめ
AIでデータ分析-決定木：従業員の離職を予測するモデルを作成する
このノートは、分析においてAIを使って何ができて何ができないかを検証するために、実際に試した結果をまとめたノートです。
今回は従業員の離職を予測するモデルを作成し、精度を確認していきたいと思います。
その際、AIでも同じ予測結果が得られるのか、試してみたいと思います。AIを用いることでいかに効率化できるのか、体験していただければと思います。
所要時間は20分ほどとなっています。
それでは、さっそく始めていきましょう！
データの紹介
今回検証に用いるデータのサンプルデータは従業員データです。サンプルデータはこちらからダウンロードできます。
1行が従業員１人のデータになっています。列情報としては年齢、性別、婚姻ステータス、部署、職種、給料などがあります。
まずはPythonで実装する
アルゴリズムに決定木を用い予測モデルを作成→accuracyを計算→混同行列を作成をPythonで実装します。
結果を確認します。
accuracy(正解率)が約0.964、混同行列は図の通りになりました。
分析の所要時間は10分でした。
AIの活用：ChatGPTで実行する
次にAIを使って同じことをするため、chatGPTに従業員データをアップロードし、
「添付のデータを使って下記を実行して。 １、離職の列を目的変数、他の列を説明変数としてデータフレームを切り分ける ２、訓練データ7割、テストデータ3割に分割する ３、全てデータの前処理としてデータタイプが数値型の列はそのままで、object型の列にはOneHotEncodingする ４、決定木で学習し、テストデータに対するaccuracyを計算し表示する ５、混同行列を作成し表示する（目的変数である離職列のYesが0、Noが1に対応するように混同行列のラベルを調整する）」と入力し、実行します。
結果を確認します。
結果はaccuracyが約0.964、混同行列は添付の画像のようになりました。
所要時間は1分でした。
まとめ
今回は決定木で従業員の離職を予測するにあたり、2つの方法を試しました。
1つ目の方法はPythonを用いた方法と、もう1つはchatGPTを用いた方法です。
結果は時間を大きく削減し、同じ結果を得られることを
確認することができました。
AIでできることとできないことを把握し、うまく活用することで、データ分析もかなり効率化できそうですね！
AIでデータ分析-決定木：従業員の離職を予測する は以上となります！