• AIでデータ分析-ロジスティック回帰：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-ロジスティック回帰：従業員の離職を予測する

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。

今回はロジスティック回帰で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

アルゴリズムにロジスティック回帰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0.957、混同行列は図の通りになりました。

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、データの前処理としてデータタイプが数値型の列は標準化し、object型の列にはOneHotEncodingする ４、ロジスティック回帰で学習し、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0.950、混同行列は添付の画像のようになり、全く同じ結果を得ることができました。

所要時間は3分でした。

まとめ

今回はロジスティック回帰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AI(chatGPT)を用いた方法です。

結果はAIの方が精度が低く、ロジスティック回帰ではAIを使えば精度が高くなるとは限らないことを

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-ロジスティック回帰：従業員の離職を予測する　は以上となります！