Voorbereiding voor modelleren

Machine Learning voor marketing in Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Datasample

telco_raw.head()

Kop van telecomgegevens

Gegevenstypen

telco_raw.dtypes

customerID           object
gender               object
SeniorCitizen        object
Partner              object
Dependents           object
tenure                int64
PhoneService         object
MultipleLines        object
InternetService      object

OnlineSecurity       object
OnlineBackup         object
DeviceProtection     object
TechSupport          object
StreamingTV          object
StreamingMovies      object
Contract             object
PaperlessBilling     object
PaymentMethod        object
MonthlyCharges      float64
TotalCharges        float64
Churn                object

Categorische en numerieke kolommen scheiden

Zet identifier en target in lijsten

custid = ['customerID']
target = ['Churn']

Splits categorische en numerieke kolomnamen in lijsten

categorical = telco_raw.nunique()[telcom.nunique()<10].keys().tolist()

categorical.remove(target[0])

numerical = [col for col in telco_raw.columns 
                     if col not in custid+target+categorical]

One-hot encoding

Dit is een typische categorische kolom

Kleur
Rood
Wit
Blauw
Rood

Resultaat van one-hot encoding

Zo ziet het eruit na one-hot encoding.

Kleur		Rood	Wit	Blauw
Rood	---------->	1	0	0
Wit	---------->	0	1	0
Blauw	---------->	0	0	1
Rood	---------->	1	0	0

One-hot encoding van categorische variabelen

One-hot encoding voor categorische variabelen

telco_raw = pd.get_dummies(data=telco_raw, columns=categorical, drop_first=True)

Numerieke features schalen

# Import StandardScaler library
from sklearn.preprocessing import StandardScaler

# Initialize StandardScaler instance
scaler = StandardScaler()

# Fit the scaler to numerical columns
scaled_numerical = scaler.fit_transform(telco_raw[numerical])

# Build a DataFrame
scaled_numerical = pd.DataFrame(scaled_numerical, columns=numerical)

Alles samenvoegen

# Drop non-scaled numerical columns 
telco_raw = telco_raw.drop(columns=numerical, axis=1)

# Merge the non-numerical with the scaled numerical data
telco = telco_raw.merge(right=scaled_numerical,
                        how='left',
                        left_index=True, 
                        right_index=True
                        )

Laten we gegevens voorbewerken!

Machine Learning voor marketing in Python