Kundenabwanderung erkunden

Jetzt, da du weißt, was Kundenabwanderung ist, schauen wir uns die Struktur unseres Kundendatensatzes an. Er wurde bereits in ein DataFrame namens telco geladen. Die Struktur der Daten zu prüfen, ist ein grundlegender Schritt im Churn-Modellierungsprozess – und wird oft übersehen.

Nutze pandas-Methoden wie .info(), um ein Gefühl für die Struktur zu bekommen, und beachte die verschiedenen Spalten (im Machine Learning auch „Features“ genannt), zum Beispiel 'CustServ_Calls' für die Anzahl der Anrufe beim Kundenservice und 'State' für den US-Bundesstaat, aus dem der Kunde stammt.

Ein Feature ist für uns besonders wichtig: 'Churn'. Es kann zwei Werte annehmen – yes und no – und zeigt an, ob der Kunde abgewandert ist oder nicht. In dieser Übung sollst du dieses Feature untersuchen. Du kannst es mit telco['Churn'] abrufen.

Wie viele Abwanderer gibt es im Datensatz und wie viele Nicht-Abwanderer? Um das schnell zu beantworten, kannst du die Methode .value_counts() auf telco['Churn'] anwenden.