Seleção e engenharia de features

Análise de Marketing: Prevendo Churn de Clientes em Python

Mark Peterson

Director of Data Science, Infoblox

Removendo features desnecessárias

  • Identificadores únicos
    • Números de telefone
    • Números de previdência social
    • Números de conta
  • Método .drop()
telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)
Análise de Marketing: Prevendo Churn de Clientes em Python

Removendo features correlacionadas

  • Features altamente correlacionadas podem ser removidas
  • Não acrescentam informação ao modelo
Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

correlation-1

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_day_mins.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_eve_mins.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_night_mins.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_intl_mins.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_day_charge.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_eve_charge.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_night_charge.png

Análise de Marketing: Prevendo Churn de Clientes em Python
telco.corr()

corr_intl_charge.png

Análise de Marketing: Prevendo Churn de Clientes em Python

Feature engineering

  • Criar novas features para melhorar o desempenho do modelo
  • Consulte especialistas de negócio e do domínio
Análise de Marketing: Prevendo Churn de Clientes em Python

Exemplos de feature engineering

  • Total de minutos: soma de Day_Mins, Eve_Mins, Night_Mins, Intl_Mins
  • Razão entre Minutes e Charge

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']
Análise de Marketing: Prevendo Churn de Clientes em Python

Vamos praticar!

Análise de Marketing: Prevendo Churn de Clientes em Python

Preparing Video For Download...