特徵選擇與工程

行銷分析：用 Python 預測客戶流失

Mark Peterson

Director of Data Science, Infoblox

移除不必要特徵

  • 唯一識別碼
    • 電話號碼
    • 社會安全號碼
    • 帳號編號
  • .drop() 方法
telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)
行銷分析：用 Python 預測客戶流失

移除相關特徵

  • 高度相關的特徵可移除
  • 對模型不再提供額外資訊
行銷分析：用 Python 預測客戶流失
telco.corr()

相關矩陣-1

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_day_mins.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_eve_mins.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_night_mins.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_intl_mins.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_day_charge.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_eve_charge.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_night_charge.png

行銷分析：用 Python 預測客戶流失
telco.corr()

corr_intl_charge.png

行銷分析：用 Python 預測客戶流失

特徵工程

  • 建立新特徵以提升模型效能
  • 應與業務與領域專家討論
行銷分析：用 Python 預測客戶流失

特徵工程範例

  • 總通話分鐘：Day_Mins、Eve_Mins、Night_Mins、Intl_Mins 的總和
  • 分鐘與費用的比值

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']
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...