美好的一天,
我继承了一些预测的python代码:
达到两类员工(女性和多元化)的招聘目标的概率以及预测实现目标所需的招聘人数。 两类员工(女性和多元化)的离职概率,以及预测实现目标所需的招聘人数。
该模型使用statsmodels、scipy和norm作为预测模型;数据框(称为“prelim”)由 Excel 电子表格中的以下列数据组成:
'月',
'女伯爵',
'多样化计数',
'公司计数',
'女%',
'多样化%',
'女性雇佣人数',
“年初至今的女性雇佣人数”,
'多样化的雇佣人数',
“年初至今的多元化雇佣人数”,
'公司雇佣计数',
公司雇用人数 YTD',
'女性雇佣 %', '女性雇佣 % YTD',
'多元化雇佣 %', '多元化雇佣 % YTD',
'女性营业额统计',
'女性营业额统计 YTD',
'多样化的营业额计数',
“年初至今的不同营业额”,
'公司营业额统计',
'年初至今公司营业额统计',
'女性离职率%',
'女性离职率 % YTD',
'多元化营业额百分比',
'年初至今的多元化营业额百分比'],
数据包含过去 13 个月的信息,按月/年分组。
我试图理解以下这段代码在做什么:
`z_emp = np.polyfit(range(1,MONTH+3), prelim['Company Count'][1:MONTH+3],1)
poly_emp = np.poly1d(z_emp)
z_att = np.polyfit(range(1,MONTH+3), prelim[f'''{ATTRIB} Count'''][1:MONTH+3],1)
poly_att = np.poly1d(z_att)
`
具体来说,行:
z_emp = np.polyfit(range(1,MONTH+3), prelim['Company Count'][1:MONTH+3],1)
和
your text
z_att = np.polyfit(range(1,MONTH+3), prelim[f'''{ATTRIB} Count'''][1:MONTH+3],1)`
最初我将范围参数设置为“(range 1,MONTH+1)”和“{1:MONTH+1],1”, 这导致对实现目标所需的雇用人数的预测非常不准确。当我将 MONTH 值更改为“MONTH+2”或“MONTH +3”时,预测看起来更真实。
你能告诉我 polyfit 和 poly1d 函数和参数在做什么,以便我可以正确使用它们吗?