Explorer le churn client

Maintenant que vous savez ce qu’est le churn client, examinons la structure de notre jeu de données clients, déjà chargé dans un DataFrame appelé telco. Vérifier la structure des données est une étape fondamentale du processus de modélisation du churn, souvent négligée.

Utilisez des méthodes pandas comme .info() pour vous faire une idée de sa structure et notez les différentes colonnes (aussi appelées « fonctionnalités » en Machine Learning), comme 'CustServ_Calls', qui indique le nombre d’appels au service client effectués par le client, et 'State', qui correspond à l’État d’origine du client.

Une fonctionnalité nous intéresse tout particulièrement : 'Churn', qui peut prendre deux valeurs — yes et no — indiquant si le client a churné ou non. Dans cet exercice, votre rôle est d’explorer cette fonctionnalité. Vous pouvez y accéder via telco['Churn'].

Combien de clients churners le jeu de données contient-il, et combien de non-churners ? Pour y répondre facilement, vous pouvez utiliser la méthode .value_counts() sur telco['Churn'].