Бенчмарк размера HR-службы с помощью дерева решений

Показываю, как можно применять алгоритмы машинного обучения в HR-исследованиях.

Проблема

У нас есть исследование Портрет HR-директора - прошу Вас поучаствовать в нем, чтобы добавить голосов - где помимо прочих, есть вопросы о размере HR-службы и размере компании. Естественно, возникла идея посмотреть как зависит размер HR-службы от размера компании и вывести бенчмарк.
Зависимость имеет вот такую визуализацию

• По оси X - размер компании,
• По оси Y - размер HRслужбы,
• Синяя линия - среднее число соотношения размеров HR службы и компании

Так, например, заметно, что при размере компании в 5 000 сотрудников, средний размер службы примерно 40 специалистов.
Заметны также перегибы на синей линии - это изменение соотношения размеров HR службы и компании.
В этом посте Бенчмарк: сколько работников компании приходится на 1 HR / специалиста по управления персоналом - я "на глаз" определил эти перегибы.
Но на самом деле эти границы может определить алгоритм машинного обучения.

Результат

И я показываю решение, основанное на алгоритме машинного обучения Дереве решения.

Читать эту диаграмму надо так:

1. Правая ветка - если размер компании более 18 000 сотрудников, рекомендуемый (или точнее, прогнозируемый) размер HR службы 129 специалистов (n=20 означает, что у нас 20 компаний в исследовании, размер которых более 18 000 сотрудников);
2. Если размер HR-службы более 3 250 но менее 18 000 сотрудников, HR- служба в среднем составляет 44 специалиста и так далее 

Итого, у нас три "перегиба":

• 975 работников
• 3250
• 18 000

Я добавлял другие факторы исследования - регион (Страна), отрасль, возраст HR-директора, но эти факторы оказались незначимы. Точность модели 0, 47 R^2.
Неплохо только для одного фактора? Несколько раз обращался к HR-сообществу вместе продумать и предложить полноценный сервис по бенчмарку HR-службы, но отклика не нашел.
И снова прошу поучаствовать в исследовании Портрет HR-директора