Vytváření předpovědí

Marketing Analytics: Predicting Customer Churn in Python

Mark Peterson

Director of Data Science, Infoblox

Úvod do (řízeného) strojového učení

Cíl: Předpovědět odchod zákazníka
Cílová proměnná: 'Churn'
Supervised Machine Learning
Učení z historických (tréninkových) dat pro nové předpovědi

Logo scikit-learn

Výběr modelu

Který model použít?
... záleží na situaci!
V tomto kurzu: Vyzkoušíme několik modelů
Pro hlubší pochopení: Prozkoumejte další kurzy DataCamp

Výběr modelu

Logistická regrese: Dobrý základ
- Jednoduchá a snadno interpretovatelná
- Nedokáže zachytit složitější vztahy
Náhodné lesy
Podpůrné vektorové stroje

Trénování modelu

from sklearn.svm import SVC

svc = SVC()

svc.fit(telco[features], telco['target'])

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)

Vytvoření předpovědi

prediction = svc.predict(new_customer)

print(prediction)

[0]

Pojďme si procvičit!

Marketing Analytics: Predicting Customer Churn in Python