Erkunde den Telco-Churn-Datensatz mit pandas für zusammenfassende Statistiken und Seaborn für aussagekräftige Visualisierungen.

Willkommen zum Kurs

Kundenabwanderung definieren

Kundenabwanderung erkunden

Daten gruppieren und zusammenfassen

Zusammenfassende Statistiken für beide Klassen

Churn nach Bundesstaat

Daten mit Visualisierungen erkunden

Verteilungen von Features erkunden

Kundenservice-Anrufe und Churn

Explorative Datenanalyse

Nachdem du deine Daten erkundet hast, ist es Zeit für das Preprocessing, damit sie bereit für Machine Learning sind. Lerne das Warum, Was und Wie der Vorverarbeitung, inklusive Feature Selection und Feature Engineering.

Datenvorverarbeitung

Zu konvertierende Features identifizieren

Binäre Features kodieren

One-Hot-Encoding

Feature-Skalierung

Featureauswahl und -engineering

Überflüssige Features entfernen

Eine neue Spalte erstellen

Preprocessing für Churn-Modelle

Mit aufbereiteten Daten kannst du jetzt Churn vorhersagen! Lerne, überwachte Machine-Learning-Modelle in Python mit scikit-learn zu bauen.

Vorhersagen treffen

Vorhersagen, ob ein neuer Kunde abwandert

Ein weiteres scikit-learn-Modell trainieren

Modellleistung bewerten

Trainings- und Testdaten erstellen

Länge der einzelnen Sets prüfen

Genauigkeit berechnen

Modellmetriken

Confusion-Matrix

Variierende Trainingsdatensatzgröße

Precision und Recall berechnen

Weitere Modellmetriken

ROC-Kurve

Fläche unter der Kurve

Precision-Recall-Kurve

F1-Score

Churn-Vorhersage

Lerne, die Leistung deiner Modelle mit Hyperparameter-Tuning zu verbessern, und gewinne ein besseres Verständnis der Treiber der Kundenabwanderung, das du ins Business mitnehmen kannst.

Dein Modell tunen

Feinabstimmung der Anzahl an Features

Weitere Hyperparameter abstimmen

Randomisierte Suche

Feature-Importances

Feature-Importanzen visualisieren

Das Diagramm verbessern

Feature Importances interpretieren

Neue Features hinzufügen

Verbessert sich die Modellleistung?

Weitere Metriken berechnen

Abschließende Gedanken

Modell-Tuning

Telco Churn Dataset

Churn bezeichnet, wenn ein Kunde die Geschäftsbeziehung beendet oder nicht mehr mit einem Unternehmen zusammenarbeitet. Das ist in vielen Branchen ein verbreitetes Problem – von Telekommunikation über Kabelfernsehen bis hin zu SaaS. Unternehmen, die Churn vorhersagen können, können proaktiv handeln, wertvolle Kundinnen und Kunden halten und der Konkurrenz einen Schritt voraus sein. In diesem Kurs bekommst du eine Roadmap, um eigene Modelle zur Vorhersage von Kundenabwanderung zu erstellen. Du lernst, deine Daten zu erkunden und zu visualisieren, sie für das Modeling aufzubereiten, mit Machine Learning Vorhersagen zu treffen und wichtige, umsetzbare Erkenntnisse an Stakeholder zu kommunizieren. Am Ende des Kurses fühlst du dich sicher im Umgang mit der Bibliothek pandas für die Datenanalyse und scikit-learn für Machine Learning.

Data Manipulation with pandas

Lerne, wie man mit Python Kundenabwanderung analysiert und ein Vorhersagemodell erstellt.

Marketing Analytics: Kundenabwanderung in Python vorhersagen

Lerne, wie du Python nutzt, um Kundenabwanderung zu analysieren und ein Modell zu erstellen, das sie vorhersagt.

Marketing-Analytik in Python

Feature Importances interpretieren

Interaktive praktische Übung