Importanza delle feature

Marketing Analytics: Prevedere il churn dei clienti in Python

Mark Peterson

Director of Data Science, Infoblox

Importanza delle feature

Punteggi che indicano quanto ogni feature contribuisce alla previsione
Modo efficace per comunicare i risultati agli stakeholder

Quali feature guidano di più il churn?
Quali feature si possono rimuovere dal modello?

Interpretabilità vs accuratezza

Modelli diversi hanno punti di forza diversi
Serve bilanciare accuratezza della previsione e interpretabilità

Importanza delle feature nel random forest

random_forest = RandomForestClassifier()

random_forest.fit(X_train, y_train)

random_forest.feature_importances_

array([0.02716028 0.02960326 0.13820047 0.0700711  0.03798189 0.04722036
 0.13258838 0.07066312 0.02333901 0.02982636 0.13711014 0.0300661
 0.06351097 0.02860241 0.0382932  0.05200864 0.04375429])

Ayo berlatih!

Marketing Analytics: Prevedere il churn dei clienti in Python