Începe să explorezi setul de date Telco Churn folosind pandas pentru a calcula statistici descriptive și Seaborn pentru a crea vizualizări atractive.

Bun venit la curs

Definirea abandonului clienților

Explorarea ratei de abandon a clienților

Gruparea și rezumarea datelor

Statistici rezumative pentru ambele clase

Abandonul clienților pe state

Explorarea datelor prin vizualizări

Explorarea distribuțiilor caracteristicilor

Apeluri la serviciul clienți și churn

Analiza exploratorie a datelor

Acum că ai explorat datele, este momentul să le preprocesezi și să le pregătești pentru învățarea automată. Vei afla de ce, ce și cum presupune preprocesarea, inclusiv selecția și ingineria atributelor.

Preprocesarea datelor

Identificarea caracteristicilor de convertit

Codificarea caracteristicilor binare

Codificare one hot

Scalarea caracteristicilor

Selecția și ingineria caracteristicilor

Eliminarea caracteristicilor inutile

Crearea unei noi coloane

Preprocesare pentru modelarea abandonului

Cu datele preprocesate și pregătite pentru învățarea automată, este timpul să prezici abandonul! Vei învăța să construiești modele de învățare supervizată în Python folosind scikit-learn.

Realizarea predicțiilor

Predicția abandonului pentru un client nou

Antrenarea unui alt model scikit-learn

Evaluarea performanței modelului

Crearea seturilor de antrenament și de testare

Verifică lungimea fiecărui set

Calcularea acurateței

Metrici ale modelului

Matricea de confuzie

Varierea dimensiunii setului de antrenament

Calcularea preciziei și a exhaustivității

Alte metrici ale modelului

Curba ROC

Aria de sub curbă

Curba precizie-recuperare

Scorul F1

Predicția abandonului

Vei descoperi cum să îmbunătățești performanța modelelor prin ajustarea hiperparametrilor și vei înțelege mai bine factorii care determină abandonul clienților – informații pe care le poți prezenta direct echipei de business.

Ajustarea modelului tău

Ajustarea numărului de caracteristici

Ajustarea altor hiperparametri

Căutare aleatorie

Importanța caracteristicilor

Vizualizarea importanței caracteristicilor

Îmbunătățirea graficului

Interpretarea importanței caracteristicilor

Adăugarea de noi caracteristici

Performanța modelului se îmbunătățește?

Calcularea altor metrici

Gânduri finale

Ajustarea modelului

Telco Churn Dataset

Abandonul clienților (churn) apare atunci când un client încetează să mai colaboreze cu o companie sau îi reziliază serviciile. Este o problemă frecventă în multe industrii – de la telecomunicații la TV prin cablu și SaaS – iar o companie care poate anticipa abandonul poate acționa proactiv pentru a-și păstra clienții valoroși și a rămâne competitivă. Acest curs îți oferă un plan clar pentru a construi propriile modele de predicție a abandonului. Vei învăța să explorezi și să vizualizezi datele, să le pregătești pentru modelare, să faci predicții cu ajutorul învățării automate și să comunici concluzii relevante și acționabile către părțile interesate. La finalul cursului, vei fi confortabil să folosești biblioteca pandas pentru analiza datelor și biblioteca scikit-learn pentru învățarea automată.

Data Manipulation with pandas

Învață să folosești Python pentru a analiza plecarea clienților și a construi un model de predicție.

Marketing Analytics: Predicția abandonului clienților în Python

Învață să folosești Python pentru a analiza abandonul clienților și a construi un model pentru a-l prezice.

Analiza de marketing în Python

Curba precizie-recuperare

Marketing Analytics: Predicția abandonului clienților în Python

Exercițiu interactiv practic