历史数据会导致目标泄漏吗？

Question

我在打造一个员工流失模型。我有2016年至2019年的员工数据(留任/离开公司的员工)，我的目标是从2016年到2018年使用数据进行培训，并预测2019年。

由于2016-2019年间有很多员工没有离开公司，所以我的培训集是:2018年的数据是关于没有离开公司的员工的数据，他们在2016/2017/2018年期间离开了公司，以便在培训数据集中只有一个人。

我的问题

• 只有2016/2017年离开的人会导致目标泄漏吗？
• 我不使用时间假人，但我的模型是否过于合适，认为员工更有可能在2016-2017年离开公司，因为这是他们经常看到的？
• 如果是这样，我怎样才能避免这个问题？

谢谢:)！

Answer 1

我会忽略你的问题。在我看来，这听起来像是你有一个数据集，其中基本上包含了员工的开始日期和“结束日期”，或者如果员工仍然在为您工作，则没有结束日期。这听起来像是一种叫做“生存回归”或“生存分析”的回归技术的标准案例。我建议你调查一下。

现在，对于你的问题，我不太确定目标泄漏，因为我不太清楚，如果你的雇员结构每年都有变化，那么肯定会有一些泄漏，是的。