我认为你在正确的轨道上。您正在寻找的是计量经济学/统计学中所谓的固定效应。您有一个模型，其中特征X决定结果y（所以y = bX + u）。最重要的是，您的模型中存在未观察到的异质性（每个员工）。对于每个员工，关系y <-> X可能略有不同（每个员工的固定效应），因此您的模型变为y = b1X + b2Z + u，其中Z表示员工。

有关概述，请参见此处，有关 R 实现，请参见此处。

您可以通过为每位员工添加一个虚拟/指标/一个热点来解决此问题（称为最小二乘虚拟变量固定效应）。所以从技术上讲，每个员工在模型中都有自己的拦截。因此，Z上面是一个巨大的 one-hot 编码员工标签矩阵。

areg在 Stata ( ) 和 R ( )中有一些解决方案felm可以“吸收”大量虚拟变量集，因此在查看回归系数时不会打扰您。如果您对统计推断不感兴趣（但只对做出预测），那么您无论如何都不会查看系数。

我不知道您的数据的数据（即每位员工的观察结果），但根据您的说法，为每位员工添加一个虚拟变量（也称为 one-hot 功能）将是控制员工未观察到的异质性的正确方法.

您可以为员工创建嵌入。如果您使用的是 NN，只需为员工添加一个嵌入层。或者，您可以使用类似于协作过滤器的东西来查找员工的嵌入。例如，创建一个矩阵E = Employee x Day of the month，其中每一行是员工，每一列是一个月中的一天，并且

$$\begin{align} E_{ij} = 1 \quad &\text{if employee i worked at the day j}\\ E_{ij} = -1 \quad &\text{if employee i got a time off or sick leave } \end{align}$$ 然后对于每个月，您可以使用例如 ALS（交替最小二乘法）为员工创建嵌入。您可以平均几个月的嵌入，并在您的主模型中使用它们。这种方法还可以为您的模型中使用的每个员工提供某种分数。

如果您有足够的相关数据，请尝试以无人监督的方式对员工进行聚类，以便将员工 ID 替换为他们的班级编号；然后，对类进行一次热编码（或使用另一种编码技术：也许是频率编码？）。控制类的数量可以让您控制 one-hot 编码后的特征数量，这肯定很方便。此外，可以轻松地将新员工分配到一个集群中，这样您就可以立即对他们进行预测（您不必收集新数据并重新训练模型）。

注意：一个天真的替代方案是设计一些功能。例如，您提到了星期一休息：只需创建一个功能来提供星期一的出席率。但这种方法可能会导致过度拟合。