Отбор и конструирование признаков

Маркетинговая аналитика: прогнозирование оттока клиентов на Python

Mark Peterson

Director of Data Science, Infoblox

Удаление лишних признаков

• Уникальные идентификаторы
  • Номера телефонов
  • Номера социального страхования
  • Номера счетов
• Метод .drop()

telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)

Удаление коррелирующих признаков

• Сильно коррелирующие признаки можно удалить
• Они не добавляют модели новой информации

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

Конструирование признаков

• Создание новых признаков для улучшения качества модели
• Рекомендуется консультироваться с бизнес-экспертами и специалистами в предметной области

Примеры конструирования признаков

• Суммарные минуты: сумма Day_Mins, Eve_Mins, Night_Mins, Intl_Mins
• Отношение минут к стоимости

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']

Давайте потренируемся!

Маркетинговая аналитика: прогнозирование оттока клиентов на Python