Chuẩn bị dữ liệu

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Mark Peterson

Director of Data Science, Infoblox

Giả định của mô hình

  • Một số giả định của mô hình:
    • Các đặc trưng có phân phối chuẩn
    • Các đặc trưng cùng thang đo

   

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Kiểu dữ liệu

  • Thuật toán Machine learning cần kiểu dữ liệu số
    • Cần mã hóa biến phân loại thành số
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python
telco.dtypes

Account_Length      int64
Vmail_Message       int64
Day_Mins          float64
Eve_Mins          float64
Night_Mins        float64
Intl_Mins         float64
CustServ_Calls      int64
Churn              object
Intl_Plan          object
Vmail_Plan         object
Day_Calls           int64
Day_Charge        float64
Eve_Calls           int64
Eve_Charge        float64
Night_Calls         int64
Night_Charge      float64
Intl_Calls          int64
Intl_Charge       float64
State              object
Area_Code           int64
Phone              object
dtype: object
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Mã hóa đặc trưng nhị phân

telco['Intl_Plan'].head()

0     no
1     no
2     no
3    yes
4    yes
Name: Intl_Plan, dtype: object
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Mã hóa đặc trưng nhị phân

Cách 1: .replace()

 

telco['Intl_Plan'].replace({'no':0 , 'yes':1})

telco['Intl_Plan'].head()

0    0
1    0
2    0
3    1
4    1
Name: Intl_Plan, dtype: int64

Cách 2: LabelEncoder()

from sklearn.preprocessing import LabelEncoder

LabelEncoder().fit_transform(telco["Intl_Plan"])

telco['Intl_Plan'].head()

0    0
1    0
2    0
3    1
4    1
Name: Intl_Plan, dtype: int64
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Mã hóa state

telco['State'].head(4)

0    KS
1    OH
2    NJ
3    OH
Name: State, dtype: object
  • Có thể gán một số cho mỗi bang
0    0
1    1
2    2
3    1
Name: State, dtype: int64
  • Ý tưởng tệ
  • Sẽ làm mô hình kém hiệu quả
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

One hot encoding

ohe.png

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

One hot encoding

ohe_part2.png

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

One hot encoding

ohe_part3.png

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Chuẩn hóa thang đo đặc trưng

  • Các đặc trưng nên có cùng thang đo
  • Hiếm khi đúng với dữ liệu thực tế
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Chuẩn hóa thang đo đặc trưng

telco['Intl_Calls'].describe()

count    3333.000000
mean        4.479448
std         2.461214
min         0.000000
25%         3.000000
50%         4.000000
75%         6.000000
max        20.000000
Name: Intl_Calls, dtype: float64

telco['Night_Mins'].describe()

count    3333.000000
mean      200.872037
std        50.573847
min        23.200000
25%       167.000000
50%       201.200000
75%       235.300000
max       395.000000
Name: Night_Mins, dtype: float64
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Standardization

  • Đưa phân phối về quanh trung bình
  • Tính số độ lệch chuẩn mỗi điểm cách trung bình bao nhiêu
from sklearn.preprocessing import StandardScaler

df = StandardScaler().fit_transform(df)
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Cùng luyện tập nào!

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Preparing Video For Download...