特徴量の選択とエンジニアリング

マーケティングアナリティクス：Pythonで顧客解約を予測する

Mark Peterson

Director of Data Science, Infoblox

不要な特徴量の削除

• 一意の識別子
  • 電話番号
  • 社会保障番号
  • アカウント番号
• .drop() メソッド

telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)

相関する特徴量の削除

• 高度に相関する特徴量は削除できる
• モデルに追加情報をもたらさないため

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

特徴量エンジニアリング

• モデル性能向上のための新しい特徴量の作成
• ビジネスおよびドメイン専門家への確認が推奨される

特徴量エンジニアリングの例

• 合計通話分数：Day_Mins、Eve_Mins、Night_Mins、Intl_Mins の合計
• 通話分数と料金の比率

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']

練習しましょう！

マーケティングアナリティクス：Pythonで顧客解約を予測する