Göra prediktioner

Marknadsföringsanalys: Prediktera kundbortfall i Python

Mark Peterson

Director of Data Science, Infoblox

Introduktion till (övervakad) maskininlärning

Mål: Förutsäga om en kund kommer att churna
Målvariabel: 'Churn'
Övervakad maskininlärning
Lär från historiska (tränings)data för att göra nya prediktioner

scikit-learn-logotyp

Modellval

Vilken modell ska du välja?
... det beror på!
I den här kursen: Experimentera med flera modeller
För att lära dig mer om hur de fungerar: Utforska andra DataCamp-kurser

Modellval

Logistisk regression: Bra baslinje
- Enkel och tolkningsbar
- Fångar inte mer komplexa samband
Random forests
Support vector machines

Träna din modell

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)

Göra en prediktion

prediction = svc.predict(new_customer)

print(prediction)

[0]

Nu kör vi en övning!

Marknadsföringsanalys: Prediktera kundbortfall i Python