मल्टिकॉलीनियरिटी पहचानना और संभालना
HR Analytics: R में Employee Churn की भविष्यवाणी
Anurag Gupta
People Analytics Practitioner
Correlation समझना
Correlation दो संख्यात्मक वैरिएबल्स के बीच संबंध का माप है
R में correlation निकालना
# Calculate the correlation coefficient
cor(train_set$emp_age, train_set$compensation)
0.6117855
Multicollinearity क्या है?
Multicollinearity तब होती है जब एक independent वैरिएबल दो या अधिक independent वैरिएबल्स के सेट से बहुत अधिक सह-रेखीय हो.
Multicollinearity कैसे पहचानें?
VIF (Variance Inflation Factor)
# Load car package
library(car)
# Logistic regression model
multi_log <- glm(turnover ~ ., family = "binomial",
data = train_set_multi)
# Calculate VIF
vif(multi_log)
Variance inflation factor
GVIF Df GVIF^(1/(2*Df))
location 2.318640e+00 2 1.233981
level 5.716850e+06 1 2390.993458
gender 1.262625e+00 1 1.123666
rating 4.381767e+00 4 1.202835
mgr_rating 2.471489e+00 4 1.119747
mgr_reportees 1.314709e+00 1 1.146608
mgr_tenure 1.278559e+00 1 1.130734
compensation 3.998338e+01 1 6.323241
percent_hike 3.167576e+00 1 1.779769
hiring_score 1.143613e+00 1 1.069399
hiring_source 2.000099e+00 6 1.059467
no_previous_companies_worked 3.291703e+00 1 1.814305
distance_from_home 1.355795e+00 1 1.164386
total_dependents 1.930188e+00 1 1.389312
marital_status 2.320518e+00 1 1.523325
education 1.460697e+00 1 1.208593
.....
VIF मान की त्वरित व्याख्या
| VIF | व्याख्या |
|---|---|
| 1 | Not correlated |
| 1 और 5 के बीच | मध्यम सह-संबंध |
| 5 से अधिक | उच्च सह-संबंध |
Multicollinearity से कैसे निपटें?
- चरण 1: मॉडल का VIF निकालें
- चरण 2: देखें कि कोई वैरिएबल VIF 5 से अधिक तो नहीं
- चरण 2a: यदि VIF 5 है, तो वैरिएबल को मॉडल से हटाएँ
- चरण 2b: यदि कई वैरिएबल्स के VIF 5 से अधिक हैं, तो सबसे उच्च VIF वाला ही हटाएँ
- चरण 3: चरण 1 और 2 दोहराएँ जब तक हर वैरिएबल का VIF 5 से कम न हो
मॉडल से वैरिएबल हटाना
new_model <- glm(dependent_variable ~ . - variable_to_remove,
family = "binomial", data = dataset)
अभ्यास करते हैं!
HR Analytics: R में Employee Churn की भविष्यवाणी
