Featureselectie en -engineering

Marketinganalyse: klantverloop voorspellen in Python

Mark Peterson

Director of Data Science, Infoblox

Onnodige features droppen

  • Unieke identificatoren
    • Telefoonnummers
    • Sofernumers
    • Rekeningnummers
  • Methode .drop()
telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)
Marketinganalyse: klantverloop voorspellen in Python

Gecorreleerde features droppen

  • Sterk gecorreleerde features kun je droppen
  • Ze voegen geen extra informatie toe aan het model
Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

correlation-1

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_day_mins.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_eve_mins.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_night_mins.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_intl_mins.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_day_charge.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_eve_charge.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_night_charge.png

Marketinganalyse: klantverloop voorspellen in Python
telco.corr()

corr_intl_charge.png

Marketinganalyse: klantverloop voorspellen in Python

Feature engineering

  • Nieuwe features maken om de modelprestaties te verbeteren
  • Overleg met business- en domeinexperts
Marketinganalyse: klantverloop voorspellen in Python

Voorbeelden van feature engineering

  • Totaal minuten: som van Day_Mins, Eve_Mins, Night_Mins, Intl_Mins
  • Verhouding tussen Minutes en Charge

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']
Marketinganalyse: klantverloop voorspellen in Python

Laten we oefenen!

Marketinganalyse: klantverloop voorspellen in Python

Preparing Video For Download...