Zacznij eksplorować zbiór danych Telco Churn – użyj biblioteki pandas do obliczania statystyk opisowych oraz biblioteki Seaborn do tworzenia przejrzystych wizualizacji.

Witaj w kursie

Definiowanie churnu klientów

Badanie odejść klientów

Grupowanie i podsumowywanie danych

Statystyki podsumowujące dla obu klas

Rezygnacja według stanu

Eksploracja danych za pomocą wizualizacji

Eksploracja rozkładów cech

Połączenia z obsługą klienta a rezygnacja

Eksploracyjna analiza danych

Po eksploracji danych czas je przetworzyć i przygotować do uczenia maszynowego. Dowiedz się, dlaczego, co i jak należy przetwarzać – w tym jak przeprowadzać selekcję i inżynierię cech.

Wstępne przetwarzanie danych

Identyfikowanie cech do konwersji

Kodowanie cech binarnych

Kodowanie one-hot

Skalowanie cech

Selekcja i inżynieria cech

Usuwanie zbędnych cech

Tworzenie nowej kolumny

Przetwarzanie wstępne danych do modelowania churnu

Dane są przetworzone i gotowe do uczenia maszynowego – czas przewidywać churn! Naucz się budować modele uczenia nadzorowanego w Pythonie za pomocą biblioteki scikit-learn.

Przewidywanie wyników

Przewidywanie odejścia nowego klienta

Trenowanie kolejnego modelu scikit-learn

Ocena wydajności modelu

Tworzenie zbiorów treningowego i testowego

Sprawdź rozmiar każdego zbioru

Obliczanie dokładności

Metryki modelu

Macierz pomyłek

Zmiana rozmiaru zbioru treningowego

Obliczanie precyzji i czułości

Inne metryki modelu

Krzywa ROC

Pole pod krzywą

Krzywa precyzji i czułości

Wynik F1

Przewidywanie churnu

Naucz się poprawiać wydajność modeli za pomocą strojenia hiperparametrów i lepiej zrozum czynniki wpływające na rezygnację klientów – wiedzę, którą możesz przełożyć na działania biznesowe.

Dostrajanie modelu

Dostrajanie liczby cech

Dostrajanie innych hiperparametrów

Losowe przeszukiwanie siatki

Ważność cech

Wizualizacja ważności cech

Ulepszanie wykresu

Interpretowanie ważności cech

Dodawanie nowych cech

Czy wydajność modelu się poprawia?

Obliczanie innych metryk

Podsumowanie

Telco Churn Dataset

Rezygnacja (churn) ma miejsce wtedy, gdy klient przestaje korzystać z usług firmy lub kończy z nią współpracę. To powszechny problem w wielu branżach – od telekomunikacji, przez telewizję kablową, po SaaS. Firma, która potrafi przewidzieć churn, może proaktywnie działać na rzecz utrzymania wartościowych klientów i wyprzedzić konkurencję. Ten kurs dostarczy ci gotowej ścieżki do budowania własnych modeli przewidywania rezygnacji klientów. Nauczysz się eksplorować i wizualizować dane, przygotowywać je do modelowania, tworzyć prognozy za pomocą uczenia maszynowego oraz komunikować istotne, praktyczne wnioski interesariuszom. Po ukończeniu kursu będziesz swobodnie korzystać z biblioteki pandas do analizy danych i biblioteki scikit-learn do uczenia maszynowego.

Data Manipulation with pandas

Naucz się używać Pythona do analizy odejść klientów i budowy modelu do ich przewidywania.

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Naucz się używać Pythona do analizy odpływu klientów i budowy modelu do jego przewidywania.

Analityka marketingowa w Pythonie

Krzywa ROC

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Interaktywne ćwiczenie praktyczne