Faire des prédictions

Analytique marketing : prédire l'attrition de la clientèle avec Python

Mark Peterson

Director of Data Science, Infoblox

Notions de Machine Learning (supervisé)

  • Objectif : prédire si un client se désabonnera ou non
  • Variable cible : 'Churn'
  • Machine Learning supervisé
  • Apprendre de données historiques (d'entraînement) pour faire de nouvelles prédictions
Analytique marketing : prédire l'attrition de la clientèle avec Python

logo scikit-learn

Analytique marketing : prédire l'attrition de la clientèle avec Python

Choix du modèle

  • Quel modèle utiliser ?
  • … ça dépend !
  • Dans ce cours : expérimenter avec plusieurs modèles
  • Pour comprendre leur fonctionnement : voir d'autres cours DataCamp
Analytique marketing : prédire l'attrition de la clientèle avec Python

Choix du modèle

  • Régression logistique : bon point de départ
    • Simple et interprétable
    • Ne capte pas les relations plus complexes
  • Forêts aléatoires
  • Machines à vecteurs de support
Analytique marketing : prédire l'attrition de la clientèle avec Python

Entraîner votre modèle

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)
Analytique marketing : prédire l'attrition de la clientèle avec Python

Faire une prédiction

prediction = svc.predict(new_customer)

print(prediction)

[0]
Analytique marketing : prédire l'attrition de la clientèle avec Python

Passons à la pratique !

Analytique marketing : prédire l'attrition de la clientèle avec Python

Preparing Video For Download...