Mengevaluasi Kinerja Model

Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Mark Peterson

Director of Data Science, Infoblox

Akurasi

  • Salah satu metrik: Akurasi
    • Jumlah Prediksi Benar / Jumlah Data
  • Data apa yang digunakan?
    • Data latih tidak mewakili data baru
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Train dan Test Set

  • Latih klasifier pada data latih
  • Buat prediksi dengan data uji
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Train/Test dengan scikit-learn

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(telco['data'], telco['target'], 
                                   test_size=0.2, random_state = 42)

from sklearn.svm import SVC

svc = SVC()

svc.fit(X_train, y_train)

svc.predict(X_test)
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Menghitung Akurasi

svc.score(X_test, y_test)

0.857
  • Akurasi 85,7%: Cukup baik untuk percobaan awal!
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Meningkatkan model Anda

  • Overfitting: Model terlalu cocok dengan data latih
  • Underfitting: Tidak menangkap pola pada data latih
  • Perlu keseimbangan antara overfitting dan underfitting
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Ayo berlatih!

Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Preparing Video For Download...