Составление прогнозов

Маркетинговая аналитика: прогнозирование оттока клиентов на Python

Mark Peterson

Director of Data Science, Infoblox

Основы (обучения с учителем)

Цель: предсказать, уйдёт ли клиент
Целевая переменная: 'Churn'
Обучение с учителем
Обучение на исторических (тренировочных) данных для новых прогнозов

Логотип scikit-learn

Выбор модели

Какую модель выбрать?
...это зависит от задачи!
В этом курсе: поэкспериментируем с несколькими моделями
Подробнее о внутреннем устройстве: другие курсы DataCamp

Выбор модели

Логистическая регрессия: хорошая базовая модель
- Простота и интерпретируемость
- Не улавливает сложные зависимости
Случайный лес
Метод опорных векторов

Обучение модели

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)

Составление прогноза

prediction = svc.predict(new_customer)

print(prediction)

[0]

Давайте потренируемся!

Маркетинговая аналитика: прогнозирование оттока клиентов на Python