चर्न ड्राइवर्स पहचानें और समझें

Python में मार्केटिंग के लिए मशीन लर्निंग

Karolis Urbonas

Head of Analytics & Science, Amazon

डिसिजन ट्री नियमों का प्लॉट

from sklearn import tree
import graphviz

exported = tree.export_graphviz(
            decision_tree=mytree, 
            out_file=None,
            feature_names=cols, 
            precision=1, 
            class_names=['Not churn','Churn'],
            filled = True)

graph = graphviz.Source(exported)
display(graph)

डिसिजन ट्री चार्ट की व्याख्या

डिसिजन ट्री विज़ुअलाइज़ेशन

लॉजिस्टिक रिग्रेशन कोएफ़िशिएंट्स

Logistic regression बीटा कोएफ़िशिएंट्स लौटाती है
इन्हें फीचर में 1 यूनिट बढ़ोतरी से चर्न की log-odds में बदलाव के रूप में समझा जा सकता है

लॉजिस्टिक रिग्रेशन मॉडल

लॉजिस्टिक रिग्रेशन कोएफ़िशिएंट्स निकालना

फिटेड Logistic Regression इंस्टेंस पर .coef_ मेथड से कोएफ़िशिएंट्स निकाले जा सकते हैं
```
logreg.coef_
```

array([[ 0.        ,  0.09784772,  0.        , -0.03935476, -0.82068131,
        -0.41231806, -0.14319622, -0.01746504, -0.41830733,  0.        ,
         0.        ,  0.07138468,  0.        ,  0.        ,  0.        ,
         0.        , -0.41424363, -0.59539021,  0.        ,  0.18846525,
         0.        , -0.90766135,  0.90151342,  0.        ]])

लॉजिस्टिक रिग्रेशन कोएफ़िशिएंट्स ट्रांसफ़ॉर्म करना

Log-odds समझना कठिन है
समाधान: कोएफ़िशिएंट्स का exponent निकालें
इससे फीचर में 1 यूनिट बढ़ोतरी पर odds में बदलाव मिलता है

coefficients = pd.concat([pd.DataFrame(train_X.columns),
               pd.DataFrame(np.transpose(logit.coef_))], 
               axis = 1)
coefficients.columns = ['Feature', 'Coefficient']

coefficients['Exp_Coefficient'] = np.exp(coefficients['Coefficient'])

coefficients = coefficients[coefficients['Coefficient']!=0]
print(coefficients.sort_values(by=['Coefficient']))

ट्रांसफ़ॉर्म किए गए कोएफ़िशिएंट्स का अर्थ

लॉजिस्टिक रिग्रेशन कोएफ़िशिएंट्स

अभ्यास करते हैं!

Python में मार्केटिंग के लिए मशीन लर्निंग