Inizia a esplorare il Telco Churn Dataset usando pandas per calcolare statistiche descrittive e Seaborn per creare visualizzazioni efficaci.

Benvenuto/a al corso

Definire il customer churn

Esplorare il churn dei clienti

Raggruppare e riassumere i dati

Statistiche riassuntive per entrambe le classi

Churn per Stato

Esplorare i dati con le visualizzazioni

Esplorare le distribuzioni delle feature

Chiamate all'assistenza clienti e churn

Analisi esplorativa dei dati

Dopo aver esplorato i tuoi dati, è il momento di preprocessarli e prepararli al machine learning. Scopri il perché, il cosa e il come del preprocessing, inclusi feature selection e feature engineering.

Preprocessing dei dati

Identificare le feature da convertire

Codifica di feature binarie

One hot encoding

Scalatura delle feature

Selezione e progettazione delle caratteristiche

Eliminare le feature non necessarie

Creare una nuova colonna

Preprocessing per il churn modeling

Con i dati preprocessati e pronti per il machine learning, è ora di prevedere il churn! Impara a costruire modelli di apprendimento supervisionato in Python usando scikit-learn.

Fare previsioni

Prevedere se un nuovo cliente farà churn

Addestrare un altro modello scikit-learn

Valutare le prestazioni del modello

Creare training e test set

Controlla la lunghezza di ciascun insieme

Calcolare l'accuracy

Metriche del modello

Matrice di confusione

Variare la dimensione del training set

Calcolare precision e recall

Altre metriche del modello

Curva ROC

Area sotto la curva

Curva precision-recall

Punteggio F1

Previsione del churn

Scopri come migliorare le prestazioni dei tuoi modelli con l’ottimizzazione degli iperparametri e ottieni una comprensione più profonda dei driver del churn dei clienti da riportare al business.

Ottimizzare il tuo modello

Ottimizzare il numero di feature

Ottimizzare altri iperparametri

Ricerca randomizzata

Importanza delle feature

Visualizzare le importanze delle feature

Migliorare il grafico

Interpretare le importanze delle feature

Aggiungere nuove feature

Le prestazioni del modello migliorano?

Calcolo di altre metriche

Considerazioni finali

Ottimizzazione del modello

Telco Churn Dataset

Il churn si verifica quando un cliente smette di fare affari o interrompe il rapporto con un’azienda. È un problema comune in molti settori, dalle telecomunicazioni alla TV via cavo fino al SaaS. Un’azienda che riesce a prevedere il churn può agire in modo proattivo per trattenere i clienti di valore e superare la concorrenza. Questo corso ti fornirà una roadmap per creare i tuoi modelli di churn dei clienti. Imparerai a esplorare e visualizzare i dati, prepararli per il modeling, fare previsioni con il machine learning e comunicare ai decision maker insight importanti e azionabili. Alla fine del corso, ti sentirai a tuo agio nell’usare la libreria pandas per l’analisi dei dati e scikit-learn per il machine learning.

Data Manipulation with pandas

Impara a usare Python per analizzare il churn dei clienti e creare un modello per prevederlo.

Marketing Analytics: Prevedere il churn dei clienti in Python

Impara a usare Python per capire perché i clienti se ne vanno e crea un modello per prevederlo.

Analisi di marketing in Python

Area sotto la curva

Marketing Analytics: Prevedere il churn dei clienti in Python

esercizio interattivo pratico