%20(2).svg)
项目简介
本项目基于Python的Flask框架开发，融合了前后端开发与模型训练。可预测面试者在15天、30天、60天和75天这几个时间点的到职率，辅助公司评估面试者到职情况，降低等待成本，助力做出更优的招聘决策。
项目的主要特性和功能
- 前端运用HTML、CSS、JavaScript构建用户界面，交互友好。
- 后端以Python为基础，借助pandas、Numpy、scikit - learn等机器学习库实现模型训练和数据处理。
- 包含15天、30天、60天和75天的到职率预测模型，满足不同时间维度的预测需求。
- 用户在浏览器中操作，选择预测选项和模型，即可快速获取预测结果。
安装使用步骤
安装步骤
- 复制项目到本地。
- 进入项目目录：
bash cd OnboardingPredictionAI_someModel - 创建并激活虚拟环境：
bash python3 -m venv venv source venv/bin/activate # Mac操作系统 source venv\Scripts\activate # Windows操作系统 - 安装所需依赖：
bash pip install -r requirements.txt - 启动Flask应用：
bash python flaskAPP.py
使用步骤
在浏览器中打开 http://127.0.0.1:5000。
1. 进入首页后，点击任意处进入到职率预测系统页面。
2. 选择想要预测的选项，再挑选合适的模型。
3. 点击“Predict !”，系统将显示所选的预测结果。
所使用的预测模型
预测模型文件存于根目录，涵盖15天、30天、60天和75天的到职率预测模型，通过 modelLoad.py 加载模型进行预测。
数据集
预测使用的数据集存储在 OnboardingPrediction_dataset.xlsx 文件中。
授权
本项目采用MIT授权条款，详情见 LICENSE文件。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】