이전 연습 문제에서 만든 ROC 곡선이 오른쪽에 표시되어 있어요. 시각적으로는 모델이 잘 작동하는 것처럼 보입니다. 이제 곡선 아래 면적을 계산해 수치로 확인해 보겠습니다.
이 연습은 강의의 일부입니다
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import roc_auc_score
pandas로 요약 통계를 계산하고 Seaborn으로 보기 좋은 시각화를 만들어 Telco Churn 데이터셋을 탐색해 봅시다.
데이터를 탐색했다면 이제 전처리를 통해 Machine Learning에 적합하게 준비할 차례예요. 특징 선택과 특징 공학을 포함해 전처리의 필요성과 방법을 익혀 보세요.
데이터 전처리가 끝났다면 이제 이탈을 예측할 시간이에요! scikit-learn을 사용해 Python에서 지도 학습 모델을 구축하는 방법을 배웁니다.
현재 연습
하이퍼파라미터 튜닝으로 모델 성능을 향상시키고, 비즈니스에 바로 적용할 수 있는 고객 이탈 요인에 대한 이해를 높여 보세요.