Підготовка до моделювання

Machine Learning для маркетингу в Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Зразок даних

telco_raw.head()

Заголовок даних Telecom

Типи даних

telco_raw.dtypes

customerID           object
gender               object
SeniorCitizen        object
Partner              object
Dependents           object
tenure                int64
PhoneService         object
MultipleLines        object
InternetService      object

OnlineSecurity       object
OnlineBackup         object
DeviceProtection     object
TechSupport          object
StreamingTV          object
StreamingMovies      object
Contract             object
PaperlessBilling     object
PaymentMethod        object
MonthlyCharges      float64
TotalCharges        float64
Churn                object

Розділіть категоріальні та числові стовпці

Виділіть ідентифікатор і цільову змінну як списки

custid = ['customerID']
target = ['Churn']

Виділіть назви категоріальних і числових стовпців у списки

categorical = telco_raw.nunique()[telcom.nunique()<10].keys().tolist()

categorical.remove(target[0])

numerical = [col for col in telco_raw.columns 
                     if col not in custid+target+categorical]

One-hot кодування

Це типовий стовпець категоріального типу

Колір
Red
White
Blue
Red

Результат one-hot кодування

Ось як це виглядає після one-hot кодування.

Колір		Red	White	Blue
Red	---------->	1	0	0
White	---------->	0	1	0
Blue	---------->	0	0	1
Red	---------->	1	0	0

One-hot кодування категоріальних змінних

telco_raw = pd.get_dummies(data=telco_raw, columns=categorical, drop_first=True)

Масштабування числових ознак

# Import StandardScaler library
from sklearn.preprocessing import StandardScaler

# Initialize StandardScaler instance
scaler = StandardScaler()

# Fit the scaler to numerical columns
scaled_numerical = scaler.fit_transform(telco_raw[numerical])

# Build a DataFrame
scaled_numerical = pd.DataFrame(scaled_numerical, columns=numerical)

Зводимо все докупи

# Drop non-scaled numerical columns 
telco_raw = telco_raw.drop(columns=numerical, axis=1)

# Merge the non-numerical with the scaled numerical data
telco = telco_raw.merge(right=scaled_numerical,
                        how='left',
                        left_index=True, 
                        right_index=True
                        )

Давайте потренуємось у попередній обробці даних!

Machine Learning для маркетингу в Python