Mulailah mengeksplorasi Telco Churn Dataset menggunakan pandas untuk menghitung statistik ringkas dan Seaborn untuk membuat visualisasi yang menarik.

Selamat datang di kursus ini

Mendefinisikan customer churn

Mengeksplorasi customer churn

Mengelompokkan dan meringkas data

Statistika ringkas untuk kedua kelas

Churn berdasarkan Negara Bagian

Mengeksplorasi data Anda menggunakan visualisasi

Menjelajahi distribusi fitur

Panggilan layanan pelanggan dan churn

Eksplorasi Data

Setelah mengeksplorasi data, kini saatnya melakukan prapemrosesan dan menyiapkannya untuk machine learning. Pelajari alasan, cakupan, dan cara prapemrosesan, termasuk pemilihan fitur dan rekayasa fitur.

Prapemrosesan data

Mengidentifikasi fitur yang perlu dikonversi

Encoding fitur biner

One hot encoding

Penskalaan fitur

Pemilihan dan rekayasa fitur

Menghapus fitur yang tidak diperlukan

Rekayasa kolom baru

Prapemrosesan untuk Pemodelan Churn

Dengan data yang telah dipraproses dan siap untuk machine learning, kini saatnya memprediksi churn! Pelajari cara membangun model pembelajaran terawasi di Python menggunakan scikit-learn.

Membuat Prediksi

Memprediksi apakah pelanggan baru akan churn

Melatih model scikit-learn lainnya

Mengevaluasi Kinerja Model

Membuat himpunan pelatihan dan pengujian

Periksa panjang tiap himpunan

Menghitung akurasi

Metrik Model

Confusion matrix

Memvariasikan ukuran himpunan pelatihan

Menghitung precision dan recall

Metrik model lainnya

Kurva ROC

Area di bawah kurva

Kurva precision-recall

Skor F1

Prediksi Churn

Pelajari cara meningkatkan kinerja model menggunakan penyetelan hyperparameter dan dapatkan pemahaman yang lebih baik tentang faktor pendorong churn pelanggan yang dapat Anda bawa kembali ke bisnis.

Menyetel model Anda

Menyetel jumlah fitur

Menyetel hyperparameter lainnya

Pencarian teracak

Pentingnya fitur

Memvisualisasikan feature importances

Meningkatkan plot

Menafsirkan feature importance

Menambahkan fitur baru

Apakah kinerja model meningkat?

Menghitung metrik lainnya

Pemikiran akhir

Penyetelan Model

Telco Churn Dataset

Churn terjadi ketika pelanggan berhenti bertransaksi atau mengakhiri hubungan dengan sebuah perusahaan. Ini adalah masalah umum di berbagai industri, dari telekomunikasi hingga TV kabel hingga SaaS, dan perusahaan yang dapat memprediksi churn dapat mengambil tindakan proaktif untuk mempertahankan pelanggan bernilai tinggi dan unggul dari pesaing. Kursus ini akan memberikan panduan untuk membuat model churn pelanggan Anda sendiri. Anda akan mempelajari cara mengeksplorasi dan memvisualisasikan data, menyiapkannya untuk pemodelan, membuat prediksi menggunakan machine learning, serta mengomunikasikan wawasan penting yang dapat ditindaklanjuti kepada para pemangku kepentingan. Di akhir kursus, Anda akan nyaman menggunakan pustaka pandas untuk analisis data dan pustaka scikit-learn untuk machine learning.

Data Manipulation with pandas

Pelajari cara menggunakan Python untuk menganalisis churn pelanggan dan membangun model prediksi.

Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Pelajari cara menggunakan Python untuk menganalisis tingkat churn pelanggan dan membangun model untuk memprediksinya.

Analisis Pemasaran dalam Python

Menafsirkan feature importance

Analitik Pemasaran: Memprediksi Churn Pelanggan di Python

Latihan interaktif langsung