Предиктивное моделирование заработной платы ИТ-специалистов

В статье представлен анализ данных об оплате труда специалистов организаций разных стран в целях отбора значимых признаков для создания регрессионной модели, предсказывающей уровень заработной платы на основе таких факторов, как занимаемая должность, опыт работы, тип занятости, форма работы (удаленная, гибридная, в офисе), размер компании. Для выбора наиболее оптимальной регрессионной модели были использованы три метода машинного обучения: решающее дерево, линейная регрессия, градиентный бустинг. Рассчитанные метрики качества RMSE и MAE показали необходимость исключения модели решающего дерева ввиду наличия значительной ошибки в ее предсказаниях. Оставшиеся две модели были использованы для тестового прогноза размера заработной платы соискателя на должность ведущего специалиста по управлению данными с рандомно сгенерированными данными об опыте и условиях работы.