Faire des prédictions

Marketing Analytics : prédire l’attrition client en Python

Mark Peterson

Director of Data Science, Infoblox

Introduction au Machine Learning (supervisé)

Objectif : prédire si un client va se désabonner ou non
Variable cible : 'Churn'
Machine Learning supervisé
Apprendre sur des données historiques (d'entraînement) pour faire de nouvelles prédictions

logo scikit-learn

Sélection de modèle

Quel modèle utiliser ?
…ça dépend !
Dans ce cours : expérimenter plusieurs modèles
Pour comprendre leur fonctionnement : voir d'autres cours DataCamp

Sélection de modèle

Régression logistique : bonne base
- Simple et interprétable
- Ne capture pas les relations plus complexes
Forêts aléatoires
Machines à vecteurs de support

Entraîner votre modèle

from sklearn.svm import SVC

svc = SVC()

svc.fit(telco[features], telco['target'])

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)

Faire une prédiction

prediction = svc.predict(new_customer)

print(prediction)

[0]

Passons à la pratique !

Marketing Analytics : prédire l’attrition client en Python