資料前處理

行銷分析：用 Python 預測客戶流失

Mark Peterson

Director of Data Science, Infoblox

模型假設

  • 模型常見假設：
    • 特徵呈常態分佈
    • 特徵位於相同尺度

   

行銷分析：用 Python 預測客戶流失

資料型別

  • 機器學習演算法需要數值型資料
    • 需將類別變數編碼為數值
行銷分析：用 Python 預測客戶流失
telco.dtypes

Account_Length      int64
Vmail_Message       int64
Day_Mins          float64
Eve_Mins          float64
Night_Mins        float64
Intl_Mins         float64
CustServ_Calls      int64
Churn              object
Intl_Plan          object
Vmail_Plan         object
Day_Calls           int64
Day_Charge        float64
Eve_Calls           int64
Eve_Charge        float64
Night_Calls         int64
Night_Charge      float64
Intl_Calls          int64
Intl_Charge       float64
State              object
Area_Code           int64
Phone              object
dtype: object
行銷分析：用 Python 預測客戶流失

二元特徵編碼

telco['Intl_Plan'].head()

0     no
1     no
2     no
3    yes
4    yes
Name: Intl_Plan, dtype: object
行銷分析：用 Python 預測客戶流失

二元特徵編碼

做法 1：.replace()

 

telco['Intl_Plan'].replace({'no':0 , 'yes':1})

telco['Intl_Plan'].head()

0    0
1    0
2    0
3    1
4    1
Name: Intl_Plan, dtype: int64

做法 2：LabelEncoder()

from sklearn.preprocessing import LabelEncoder

LabelEncoder().fit_transform(telco["Intl_Plan"])

telco['Intl_Plan'].head()

0    0
1    0
2    0
3    1
4    1
Name: Intl_Plan, dtype: int64
行銷分析：用 Python 預測客戶流失

州別編碼

telco['State'].head(4)

0    KS
1    OH
2    NJ
3    OH
Name: State, dtype: object
  • 可為每個州指定一個數字
0    0
1    1
2    2
3    1
Name: State, dtype: int64
  • 不建議
  • 會降低模型效能
行銷分析：用 Python 預測客戶流失

One-hot 編碼

one-hot 編碼示意

行銷分析：用 Python 預測客戶流失

One-hot 編碼

one-hot 編碼步驟 2

行銷分析：用 Python 預測客戶流失

One-hot 編碼

one-hot 編碼步驟 3

行銷分析：用 Python 預測客戶流失

特徵縮放

  • 特徵應在相同尺度上
  • 真實世界資料很少符合
行銷分析：用 Python 預測客戶流失

特徵縮放

telco['Intl_Calls'].describe()

count    3333.000000
mean        4.479448
std         2.461214
min         0.000000
25%         3.000000
50%         4.000000
75%         6.000000
max        20.000000
Name: Intl_Calls, dtype: float64

telco['Night_Mins'].describe()

count    3333.000000
mean      200.872037
std        50.573847
min        23.200000
25%       167.000000
50%       201.200000
75%       235.300000
max       395.000000
Name: Night_Mins, dtype: float64
行銷分析：用 Python 預測客戶流失

標準化

  • 以平均數為中心重置分佈
  • 將每個點換算為距平均數的標準差數
from sklearn.preprocessing import StandardScaler

df = StandardScaler().fit_transform(df)
行銷分析：用 Python 預測客戶流失

一起來練習吧！

行銷分析：用 Python 預測客戶流失

Preparing Video For Download...