Xác định và diễn giải yếu tố dẫn đến rời bỏ

Machine Learning cho Marketing với Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Vẽ quy tắc cây quyết định

from sklearn import tree
import graphviz

exported = tree.export_graphviz(
            decision_tree=mytree, 
            out_file=None,
            feature_names=cols, 
            precision=1, 
            class_names=['Not churn','Churn'],
            filled = True)

graph = graphviz.Source(exported)
display(graph)

Diễn giải biểu đồ cây quyết định

Trực quan hóa cây quyết định

Hệ số hồi quy logistic

Hồi quy logistic trả về hệ số beta
Diễn giải là thay đổi log-odds rời bỏ khi đặc trưng tăng 1 đơn vị

Mô hình Hồi quy Logistic

Trích xuất hệ số hồi quy logistic

Trích xuất hệ số bằng phương thức .coef_ trên mô hình Logistic Regression đã huấn luyện
```
logreg.coef_
```

array([[ 0.        ,  0.09784772,  0.        , -0.03935476, -0.82068131,
        -0.41231806, -0.14319622, -0.01746504, -0.41830733,  0.        ,
         0.        ,  0.07138468,  0.        ,  0.        ,  0.        ,
         0.        , -0.41424363, -0.59539021,  0.        ,  0.18846525,
         0.        , -0.90766135,  0.90151342,  0.        ]])

Biến đổi hệ số hồi quy logistic

Log-odds khó diễn giải
Cách làm: lấy hàm mũ của hệ số
Ta có mức thay đổi odds khi đặc trưng tăng 1 đơn vị

coefficients = pd.concat([pd.DataFrame(train_X.columns),
               pd.DataFrame(np.transpose(logit.coef_))], 
               axis = 1)
coefficients.columns = ['Feature', 'Coefficient']

coefficients['Exp_Coefficient'] = np.exp(coefficients['Coefficient'])

coefficients = coefficients[coefficients['Coefficient']!=0]
print(coefficients.sort_values(by=['Coefficient']))

Ý nghĩa của hệ số đã biến đổi

Hệ số Hồi quy Logistic

Hãy thực hành!

Machine Learning cho Marketing với Python