Feature selection और engineering

Marketing Analytics: Python में Customer Churn की भविष्यवाणी

Mark Peterson

Director of Data Science, Infoblox

अनावश्यक फीचर्स हटाना

• Unique identifiers
  • Phone numbers
  • Social security numbers
  • Account numbers
• .drop() method

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

Correlated फीचर्स हटाना

• बहुत अधिक सह-संबद्ध फीचर्स हटाए जा सकते हैं
• वे मॉडल को कोई अतिरिक्त जानकारी नहीं देते

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

Feature engineering

• नए फीचर्स बनाएँ ताकि मॉडल परफॉर्मेंस बेहतर हो
• बिज़नेस और विषय-विशेषज्ञों से परामर्श करें

Feature engineering के उदाहरण

• Total Minutes: Day_Mins, Eve_Mins, Night_Mins, Intl_Mins का योग
• Minutes और Charge के बीच ratio

 

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

अभ्यास करते हैं!

Marketing Analytics: Python में Customer Churn की भविष्यवाणी