Börja utforska Telco Churn Dataset med pandas för att beräkna sammanfattande statistik och Seaborn för att skapa tilltalande visualiseringar.

Välkommen till kursen

Definiera kundbortfall

Utforska kundbortfall

Gruppera och sammanfatta data

Sammanfattande statistik för båda klasserna

Churn per delstat

Utforska dina data med visualiseringar

Utforska fördelningar av särdrag

Kundtjänstsamtal och churn

Explorativ dataanalys

Nu när du har utforskat datan är det dags att förbehandla den och göra den redo för maskininlärning. Lär dig varför, vad och hur man förbehandlar data, inklusive val av särdrag och konstruktion av nya särdrag.

Dataförbehandling

Identifiera särdrag att konvertera

Koda binära särdrag

One hot-kodning

Featureskalning

Särdragsval och särdragskonstruktion

Ta bort onödiga särdrag

Konstruera en ny kolumn

Förbehandling inför bortfallsmodellering

Med datan förbehandlad och redo för maskininlärning är det dags att prediktera kundbortfall! Lär dig att bygga övervakade maskininlärningsmodeller i Python med scikit-learn.

Göra förutsägelser

Förutsäga om en ny kund kommer att churna

Träna en annan scikit-learn-modell

Utvärdera modellens prestanda

Skapa tränings- och testmängder

Kontrollera längden på varje delmängd

Beräkna noggrannhet

Modellmätvärden

Konfusionsmatris

Variera träningsuppsättningens storlek

Beräkna precision och recall

Andra modellmått

ROC-kurva

Area under the curve

Precision-recall-kurva

F1-poäng

Prediktering av kundbortfall

Lär dig att förbättra dina modellers prestanda med hjälp av hyperparameterjustering och få en djupare förståelse för de faktorer som driver kundbortfall – insikter du kan ta tillbaka till verksamheten.

Justera din modell

Justera antalet särdrag

Justera andra hyperparametrar

Slumpmässig sökning

Särdragets betydelse

Visualisera särdragsvikter

Förbättra diagrammet

Tolka särdragsvikter

Lägga till nya särdrag

Förbättras modellens prestanda?

Beräkna andra mätvärden

Avslutande tankar

Modelljustering

Telco Churn Dataset

Kundbortfall innebär att en kund slutar göra affärer med eller avslutar sin relation till ett företag. Det är ett vanligt problem inom många branscher – från telekommunikation och kabel-TV till SaaS – och ett företag som kan förutsäga bortfall kan agera proaktivt för att behålla värdefulla kunder och ligga steget före konkurrenterna. Den här kursen ger dig en tydlig väg för att bygga egna modeller för kundbortfall. Du lär dig att utforska och visualisera data, förbereda det för modellering, göra prediktioner med maskininlärning och förmedla viktiga, handlingsbara insikter till intressenter. När kursen är slut behärskar du pandas för dataanalys och scikit-learn för maskininlärning.

Data Manipulation with pandas

Lär dig använda Python för att analysera kundbortfall och bygga en modell för att förutsäga det.

Marknadsföringsanalys: Prediktera kundbortfall i Python

Analysera kundbortfall och bygg en prediktionsmodell med Python.

Marknadsanalys i Python

Kontrollera längden på varje delmängd

Marknadsföringsanalys: Prediktera kundbortfall i Python

Interaktiv övning med praktiskt arbete