# 通过机器学习对招聘信息进行判断

**Repository Path**: liyouda/machine-learning

## Basic Information

- **Project Name**: 通过机器学习对招聘信息进行判断
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-06-05
- **Last Updated**: 2021-06-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 通过机器学习对招聘信息进行判断

#### #分析数据
训练集中共有14304个样本，每个样本有18个特征，特征具体介绍如下：
job_id：工作ID号，每个工作都有唯一的ID号；
title：招聘广告的标题信息；
location：工作地点；
department：招聘职位所属部门；
salary_range：薪水范围；
company_profile：公司简介；
description：招聘的详细内容；
requirements：入职要求；
benefits：福利待遇；
telecommuting：是否为远程办公；
has_company_logo：公司是否有logo；
has_questions：是否有筛选问题；
employment_type：雇佣类型（正式、兼职、合同工等）；
required_experience：工作经验要求；
required_education：学历要求；
industry：所属行业；
function：职位类别（工程师、销售等）；
fraudulent：是否为虚假招聘信息（是虚假信息则为1，反之为0，可作为标签）。

分析可得title，location，department，company-profile，description，requirements，bennefits，function为文本特征，telecommuting，has-company-logo，has-questions，employment-type，required-experience，required-education为离散特征。




#### #导入需要的库
import numpy as np
import pandas as pd
from IPython.display import display
%matplotlib inline
import seaborn as sns




#### #导入并展示训练数据和测试数据
train = pd.read_csv('/home/aistudio/data/data66410/Train.csv')
test = pd.read_csv('/home/aistudio/data/data66410/Test.csv')
display(train.head(n=1),test.head(n=1))



#### #查看数据信息：
train.info()
test.info()
train.describe()




#### #采用seaborn绘图函数库作可视化分析
sns.countplot(x="telecommuting",hue="fraudulent",data = train)

![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192601_0876e167_8897852.png "屏幕截图.png")

sns.countplot(x="has_company_logo",hue="fraudulent",data = train)

![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192609_6f16b5b6_8897852.png "屏幕截图.png")


sns.countplot(x="has_questions",hue="fraudulent",data = train)


![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192617_c7d41427_8897852.png "屏幕截图.png")

sns.countplot(x="employment_type",hue="fraudulent",data = train)

![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192624_0bf8322f_8897852.png "屏幕截图.png")


sns.countplot(x="required_experience",hue="fraudulent",data = train)

![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192633_37877ecc_8897852.png "屏幕截图.png")


sns.countplot(x="required_education",hue="fraudulent",data = train)


![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192645_2b3d9317_8897852.png "屏幕截图.png")


sns.countplot(x="function",hue="fraudulent",data = train)

![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192650_448ed52a_8897852.png "屏幕截图.png")


因为训练集中没有连续变量，故不采用小提琴图。

#### #删掉含有缺损值的样本
train.dropna(axis=0,inplace=True)
#查看训练集的信息
train.info()

由上述seaborn绘图可知，除了function之前的那些特征，其他特征的数据都过于分散没有训练价值，故删除之。


#### #将训练数据分成标记和特征两部分
labels=train['fraudulent']
features = train.drop(['function','required_education','fraudulent','job_id','title','location','department','salary_range','company_profile','description','requirements','benefits','industry'],axis=1)



#### #对所有特征实现独热编码
features = pd.get_dummies(features)   
encoded = list(features.columns)
print("{} total features after one-hot encoding.".format(len(encoded)))






#### #删除不需要的特征并进行独热编码
Id=test['job_id']
test = test.drop(['function','required_education','job_id','title','location','department','salary_range','company_profile','description','requirements','benefits','industry'],axis=1)
test = pd.get_dummies(test)   
encoded = list(test.columns)
print("{} total features after one-hot encoding.".format(len(encoded)))





#### #引入需要的库和函数
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import make_scorer
from sklearn.metrics import accuracy_score,roc_auc_score
from time import time
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn.neighbors import KNeighborsClassifier
from xgboost.sklearn import XGBClassifier






#### #定义通用函数框架
def fit_model(alg,parameters):
    X=features
    y=labels
    scorer = make_scorer(roc_auc_score)
    grid=GridSearchCV(alg,parameters,scoring=scorer,cv=5)
    start=time()
    grid=grid.fit(X,y)
    end=time()
    t=round(end-start,3)
    print(grid.best_params_)
    print ('searching time for {} is {} s'.format(alg.__class__.__name__,t)) 
return grid


#### #列出SVM算法
alg1=SVC(probability=True,random_state=29)  #由于使用roc_auc_score作为评分标准，需将SVC中的probability参数设置为True

#### #列出需要调整的参数范围
parameters1 = {"C":range(1,20), "gamma": [0.05,0.1,0.15,0.2,0.25]}



#### #开始调参
clf1=fit_model(alg1,parameters1)




#### #定义保存函数
def save(clf,i):
    pred=clf.predict(test)
    sub=pd.DataFrame({ 'job_id': Id, 'fraudulent': pred })
sub.to_csv("res_tan_{}.csv".format(i), index=False)





#### #调用保存函数
i=1
for clf in [clf1]:
    save(clf,i)
i=i+1




#### #生成文件


![输入图片说明](https://images.gitee.com/uploads/images/2021/0605/192936_77dc2bd0_8897852.png "屏幕截图.png")