Výběr a tvorba příznaků

Marketing Analytics: Predicting Customer Churn in Python

Mark Peterson

Director of Data Science, Infoblox

Odstranění nepotřebných příznaků

  • Jedinečné identifikátory
    • Telefonní čísla
    • Čísla sociálního pojištění
    • Čísla účtů
  • Metoda .drop()
telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)
Marketing Analytics: Predicting Customer Churn in Python

Odstranění korelovaných příznaků

  • Vysoce korelované příznaky lze odstranit
  • Modelu neposkytují žádné další informace
Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

Korelační matice

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_day_mins.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_eve_mins.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_night_mins.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_intl_mins.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_day_charge.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_eve_charge.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_night_charge.png

Marketing Analytics: Predicting Customer Churn in Python
telco.corr()

corr_intl_charge.png

Marketing Analytics: Predicting Customer Churn in Python

Tvorba příznaků

  • Tvorba nových příznaků pro zlepšení výkonu modelu
  • Doporučuje se konzultace s odborníky na danou oblast
Marketing Analytics: Predicting Customer Churn in Python

Příklady tvorby příznaků

  • Celkové minuty: součet Day_Mins, Eve_Mins, Night_Mins, Intl_Mins
  • Poměr minut a poplatků

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']
Marketing Analytics: Predicting Customer Churn in Python

Pojďme procvičovat!

Marketing Analytics: Predicting Customer Churn in Python

Preparing Video For Download...