Důležitost příznaků

Marketing Analytics: Predicting Customer Churn in Python

Mark Peterson

Director of Data Science, Infoblox

Důležitost příznaků

Skóre vyjadřující, jak moc každý příznak přispívá k předpovědi
Efektivní způsob komunikace výsledků se zúčastněnými stranami

Které příznaky jsou klíčovými faktory odchodu zákazníků?
Které příznaky lze z modelu odebrat?

Interpretovatelnost vs. přesnost

Různé modely mají různé silné stránky
Je nutné vyvážit přesnost předpovědí a interpretovatelnost

Důležitost příznaků náhodného lesa

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])

Pojďme si procvičit!

Marketing Analytics: Predicting Customer Churn in Python