Voorspellingen maken

Marketinganalyse: klantverloop voorspellen in Python

Mark Peterson

Director of Data Science, Infoblox

(Supervised) Machine Learning in het kort

Doel: Voorspel of een klant zal opzeggen of niet
Doelvariabele: 'Churn'
Supervised Machine Learning
Leer van historische (trainings)gegevens om nieuwe voorspellingen te doen

scikit-learn-logo

Modelkeuze

Welk model gebruik je?
... dat hangt ervan af!
In deze cursus: Experimenteer met meerdere modellen
Wil je de details leren? Bekijk andere DataCamp-cursussen

Modelkeuze

Logistische regressie: Sterke basislijn
- Simpel en goed te interpreteren
- Legt complexe relaties minder goed vast
Random forests
Support vector machines

Je model trainen

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)

Een voorspelling maken

prediction = svc.predict(new_customer)

print(prediction)

[0]

Laten we oefenen!

Marketinganalyse: klantverloop voorspellen in Python