การทำนายผล

Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python

Mark Peterson

Director of Data Science, Infoblox

พื้นฐาน (Supervised) Machine Learning

เป้าหมาย: ทำนายว่าลูกค้าจะเลิกใช้บริการหรือไม่
ตัวแปรเป้าหมาย: 'Churn'
Supervised Machine Learning
เรียนรู้จากข้อมูลในอดีต (ชุดฝึก) เพื่อทำนายผลใหม่

โลโก้ scikit-learn

การเลือกโมเดล

จะเลือกโมเดลใด?
... ขึ้นอยู่กับสถานการณ์!
ในคอร์สนี้: ทดลองใช้หลายโมเดล
หากต้องการเรียนรู้การทำงานเชิงลึก: ดูคอร์สอื่นใน DataCamp

การเลือกโมเดล

Logistic regression: เป็น baseline ที่ดี
- เรียบง่ายและตีความผลได้ง่าย
- ไม่สามารถจับความสัมพันธ์ที่ซับซ้อนได้
Random forests
Support vector machines

การเทรนโมเดล

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)

การทำนายผล

prediction = svc.predict(new_customer)

print(prediction)

[0]

มาฝึกกันเถอะ!

Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python