Prédire les transactions des clients

Machine Learning pour le marketing en Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Démarche de modélisation

Régression linéaire pour prédire les transactions du mois prochain.
Même démarche de modélisation que pour la régression logistique.

Étapes de modélisation

Diviser les données en entraînement et test
Initialiser le modèle
Ajuster le modèle sur les données d'entraînement
Prédire sur les données de test
Mesurer la performance sur les données de test

Indicateurs de performance en régression

Indicateurs clés :

Erreur quadratique moyenne (RMSE) — racine carrée de la moyenne des carrés des écarts entre prédictions et valeurs réelles
Erreur absolue moyenne (MAE) — moyenne des écarts absolus entre prédictions et valeurs réelles
Erreur absolue moyenne en pourcentage (MAPE) — écart moyen en pourcentage entre prédictions et valeurs réelles (les valeurs réelles ne peuvent pas être nulles)

Autres mesures pour la régression et l'apprentissage supervisé

R carré — mesure statistique représentant la proportion de variance expliquée par le modèle. Valable seulement pour la régression, pas la classification. Plus c'est élevé, mieux c'est.
Valeurs p des coefficients — probabilité qu'un coefficient de régression (ou de classification) soit observé par hasard. Plus c'est faible, mieux c'est. Seuils typiques : 5 % et 10 %.

Ajuster le modèle

# Importer le module de régression linéaire
from sklearn.linear_model import LinearRegression

# Initialiser l'instance de régression
linreg = LinearRegression()

# Ajuster le modèle sur les données d'entraînement
linreg.fit(train_X, train_Y)

# Prédire sur les données d'entraînement et de test
train_pred_Y = linreg.predict(train_X)
test_pred_Y = linreg.predict(test_X)

Mesurer la performance du modèle

# Importer les fonctions de mesure de performance
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error

# Calculer les indicateurs pour l'entraînement
rmse_train = np.sqrt(mean_squared_error(train_Y, train_pred_Y))
mae_train = mean_absolute_error(train_Y, train_pred_Y)

# Calculer les indicateurs pour le test
rmse_test = np.sqrt(mean_squared_error(test_Y, test_pred_Y))
mae_test = mean_absolute_error(test_Y, test_pred_Y)

# Afficher les indicateurs de performance
print('RMSE train: {:.3f}; RMSE test: {:.3f}\nMAE train: {:.3f}, MAE test: {:.3f}'.format(
                            rmse_train, rmse_test, mae_train, mae_test))

RMSE train: 0.717; RMSE test: 1.216
MAE train: 0.514, MAE test: 0.555

Interpréter les coefficients

Évaluer la signification statistique
Introduction à la bibliothèque statsmodels
Fournit un sommaire détaillé du modèle

Modèle de régression avec statsmodels

# Importer la bibliothèque
import statsmodels.api as sm

# Convertir la variable cible en tableau `numpy`
train_Y = np.array(train_Y)

# Initialiser et ajuster le modèle
olsreg = sm.OLS(train_Y, train_X)
olsreg = olsreg.fit()

# Afficher le sommaire du modèle
print(olsreg.summary())

Table de sommaire de la régression

Sommaire OLS

Interpréter R carré

R carré

Interpréter les valeurs p des coefficients

Valeurs p des coefficients

Créons des modèles de régression !

Machine Learning pour le marketing en Python