Persiapan pemodelan

Machine Learning untuk Pemasaran dengan Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Contoh data

telco_raw.head()

Header data telekomunikasi

Tipe data

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

Pisahkan kolom kategorikal dan numerik

Pisahkan nama pengenal dan target sebagai list

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

Pisahkan nama kolom kategorikal dan numerik sebagai list

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

Ini contoh khas kolom bertipe kategorikal

Warna
Merah
Putih
Biru
Merah

Hasil one-hot encoding

Begini hasilnya saat ditransformasi dengan one-hot encoding.

Warna		Merah	Putih	Biru
Merah	---------->	1	0	0
Putih	---------->	0	1	0
Biru	---------->	0	0	1
Merah	---------->	1	0	0

One-hot encoding variabel kategorikal

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

Menskalakan fitur numerik

# 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)

Menggabungkan semuanya

# 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
                        )

Ayo berlatih pra-pemrosesan data!

Machine Learning untuk Pemasaran dengan Python