用R语言写员工离职预测的神经网络代码

在 R 中使用神经网络进行员工离职预测的代码如下：

# 首先需要安装以下包
install.packages(c("neuralnet", "caret"))

# 导入数据
data <- read.csv("employee_data.csv")

# 划分训练集和测试集
set.seed(123)
train_ind <- sample(1:nrow(data), 0.8*nrow(data))
train_data <- data[train_ind, ]
test_data <- data[-train_ind, ]

# 建立神经网络模型
library(neuralnet)
nn_model <- neuralnet(left ~ age + work_accident + promotion_last_5years + salary, data = train_data, hidden = c(5, 3), act.fct = "logistic", linear.output = FALSE)

# 在测试集上进行预测
test_pred <- compute(nn_model, test_data[, c("age", "work_accident", "promotion_last_5years", "salary")])
test_predictions <- round(test_pred$net.result)

# 计算预测的准确率
library(caret)
confusionMatrix(test_predictions, test_data$left)

上述代码中，使用了 `neuralnet` 和 `caret` 包进行神经网络模型的建立和评估。在模型中，我们将 age，work_accident，promotion_last_5years，salary 四个特征作为输入，left（离职）作为输出。
在训练好模型之后，将模型用在测试集上进行预测，使用caret中的 confusionMatrix 函数来统计混淆矩阵并计算预测的准确率。

注意：上述代码是一个大体思路，具体实现还需根据你的数据集进行调整