数据准备

营销分析：用 Python 预测客户流失

Mark Peterson

Director of Data Science, Infoblox

模型假设

  • 模型的一些假设：
    • 特征服从正态分布
    • 特征处于相同量纲

   

营销分析：用 Python 预测客户流失

数据类型

  • 机器学习算法需要数值型数据
    • 需将分类变量编码为数值
营销分析：用 Python 预测客户流失
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
营销分析：用 Python 预测客户流失

二元特征编码

telco['Intl_Plan'].head()

0     no
1     no
2     no
3    yes
4    yes
Name: Intl_Plan, dtype: object
营销分析：用 Python 预测客户流失

二元特征编码

选项 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

选项 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
营销分析：用 Python 预测客户流失

对州进行编码

telco['State'].head(4)

0    KS
1    OH
2    NJ
3    OH
Name: State, dtype: object
  • 可为每个州分配一个数字
0    0
1    1
2    2
3    1
Name: State, dtype: int64
  • 不可取
  • 会降低模型效果
营销分析：用 Python 预测客户流失

独热编码（One-Hot）

独热编码示意图

营销分析：用 Python 预测客户流失

独热编码（One-Hot）

独热编码示意图（续）

营销分析：用 Python 预测客户流失

独热编码（One-Hot）

独热编码示意图（续）

营销分析：用 Python 预测客户流失

特征缩放

  • 特征应在同一量纲
  • 现实数据很少满足
营销分析：用 Python 预测客户流失

特征缩放

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
营销分析：用 Python 预测客户流失

标准化

  • 将分布中心移到均值
  • 计算每个点距均值的标准差数
from sklearn.preprocessing import StandardScaler

df = StandardScaler().fit_transform(df)
营销分析：用 Python 预测客户流失

让我们来练习！

营销分析：用 Python 预测客户流失

Preparing Video For Download...