Badanie odejść klientów

Skoro wiesz już, czym jest odejście klienta (churn), przyjrzyjmy się strukturze naszego zbioru danych o klientach, który został wczytany do DataFrame o nazwie telco. Sprawdzenie struktury danych to kluczowy krok w procesie modelowania churn – i często pomijany.

Użyj metod biblioteki pandas, takich jak .info(), aby poznać strukturę zbioru danych i zwrócić uwagę na poszczególne kolumny (zwane też „cechami" w uczeniu maszynowym), na przykład 'CustServ_Calls' – oznaczającą liczbę połączeń z obsługą klienta – oraz 'State' – wskazującą stan, z którego pochodzi klient.

Szczególnie interesuje nas jedna cecha: 'Churn', która może przyjmować dwie wartości – yes i no – wskazując, czy klient odszedł. W tym ćwiczeniu przeanalizujesz właśnie tę cechę. Możesz uzyskać do niej dostęp za pomocą telco['Churn'].

Ilu klientów odeszło, a ilu pozostało? Aby łatwo to sprawdzić, użyj metody .value_counts() na telco['Churn'].

Możliwe odpowiedzi

2850 klientów, którzy odeszli, i 483 klientów, którzy pozostali.

21 klientów, którzy odeszli, i 3312 klientów, którzy pozostali.

483 klientów, którzy odeszli, i 2850 klientów, którzy pozostali.

727 klientów, którzy odeszli, i 2606 klientów, którzy pozostali.

Exercise

Badanie odejść klientów

Instrukcje

Możliwe odpowiedzi

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instrukcje

Możliwe odpowiedzi

Exercise