案例06｜Exercise 8.2：Employee Attrition Decision Tree 與 Logistic Regression

1. 案例定位

原書 Exercise 8.2，以 employee_attrition Dataset 建立 Decision Tree 並與 Chapter 7 Logistic Regression 比較。

2. 學習目標

完成 Model Interpretation、Confusion Matrix Analysis 與 Cross-model Comparison。

3. 案例情境

Target 為 Attrition。學生需由 SAS VA 建立 Decision Tree，判讀 Predictors 與 Classification Performance。

4. 開始資料

項目	原書要求
Dataset	employee_attrition
Target	Attrition
比較模型	Chapter 7 Logistic Regression
評估	Confusion Matrix、Accuracy、False Negatives、False Positives

5. 分析方法

建立 Decision Tree → 解讀 Tree 與 Predictors → 建 Confusion Matrix → 分析 Errors → 與 Chapter 7 Logistic Regression 比較。

6. 計算結果

原書 Exercise 未在題目中提供固定 Output 或答案；結果依實際 SAS VA Model 而定，不自行補造。

7. 結果分析與管理解讀

比較重點不只是 Overall Accuracy，也包括錯誤類型、Predictor Interpretation 與模型是否能在 Unseen Data 維持表現。

8. AI Prompt

根據我貼上的 Employee Attrition Decision Tree 與 Confusion Matrix Output，逐項解讀 Predictor、Accuracy、FP、FN，並與我提供的 Chapter 7 Logistic Regression Output 比較；缺少的數值請標示缺失。

9. 思考／What-if

若 Decision Tree 比 Logistic Regression 容易解釋，但 Accuracy 稍低，管理者應如何評估？

參考解答： 應同時考慮 Predictive Performance、錯誤成本、Interpretability 與實際部署需求，而不是只看單一指標。