Bắt đầu khám phá Bộ dữ liệu Telco Churn bằng pandas để tính thống kê tóm tắt và Seaborn để tạo trực quan hóa hấp dẫn.

Chào mừng bạn đến với khóa học

Định nghĩa customer churn

Khám phá tình trạng rời bỏ khách hàng

Nhóm và tóm tắt dữ liệu

Thống kê tóm tắt cho cả hai nhóm

Tỷ lệ rời đi theo bang

Khám phá dữ liệu của bạn bằng trực quan hóa

Khám phá phân phối của các đặc trưng

Cuộc gọi chăm sóc khách hàng và churn

Phân tích Khám phá Dữ liệu

Sau khi đã khám phá dữ liệu, giờ là lúc tiền xử lý và chuẩn bị dữ liệu cho machine learning. Tìm hiểu lý do, nội dung và cách thực hiện tiền xử lý, bao gồm chọn đặc trưng và kỹ thuật đặc trưng.

Tiền xử lý dữ liệu

Xác định các đặc trưng cần chuyển đổi

Mã hóa đặc trưng nhị phân

One hot encoding

Chuẩn hóa thang đo (Feature scaling)

Chọn và xây dựng đặc trưng

Loại bỏ các đặc trưng không cần thiết

Xây dựng một cột mới

Tiền xử lý cho Mô hình Churn

Khi dữ liệu đã được tiền xử lý và sẵn sàng cho machine learning, đã đến lúc dự đoán churn! Học cách xây dựng các mô hình học có giám sát trong Python bằng scikit-learn.

Tạo dự đoán

Dự đoán khách hàng mới có rời bỏ hay không

Huấn luyện một mô hình scikit-learn khác

Đánh giá hiệu năng mô hình

Tạo tập huấn luyện và kiểm tra

Kiểm tra độ dài của từng tập

Tính accuracy

Chỉ số mô hình

Ma trận nhầm lẫn

Thay đổi kích thước tập huấn luyện

Tính precision và recall

Các chỉ số mô hình khác

Đường cong ROC

Diện tích dưới đường cong

Đường cong precision–recall

Điểm F1

Dự đoán Churn

Học cách cải thiện hiệu suất mô hình bằng cách tinh chỉnh siêu tham số và hiểu rõ hơn các yếu tố thúc đẩy khách hàng rời bỏ để bạn có thể mang về cho doanh nghiệp.

Tinh chỉnh mô hình của bạn

Tinh chỉnh số lượng đặc trưng

Tinh chỉnh các siêu tham số khác

Tìm kiếm ngẫu nhiên

Tầm quan trọng của đặc trưng

Trực quan hóa mức độ quan trọng của đặc trưng

Cải thiện biểu đồ

Diễn giải mức độ quan trọng của thuộc tính

Bổ sung đặc trưng mới

Hiệu suất mô hình có được cải thiện không?

Tính các chỉ số khác

Lời kết

Tinh chỉnh Mô hình

Telco Churn Dataset

Churn là khi khách hàng ngừng giao dịch hoặc chấm dứt mối quan hệ với một công ty. Đây là vấn đề phổ biến trong nhiều ngành, từ viễn thông đến truyền hình cáp đến SaaS, và một công ty có thể dự đoán churn sẽ chủ động giữ chân khách hàng giá trị và đi trước đối thủ. Khóa học này sẽ cung cấp cho bạn lộ trình để tự xây dựng mô hình dự đoán churn cho khách hàng. Bạn sẽ học cách khám phá và trực quan hóa dữ liệu, chuẩn bị dữ liệu cho mô hình, đưa ra dự đoán bằng machine learning, và truyền đạt những insight quan trọng, có thể hành động cho các bên liên quan. Kết thúc khóa học, bạn sẽ tự tin sử dụng thư viện pandas cho phân tích dữ liệu và scikit-learn cho machine learning.

Data Manipulation with pandas

Tìm hiểu cách dùng Python để phân tích và dự đoán khách hàng rời bỏ.

Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python

Học cách dùng Python để phân tích tỷ lệ khách hàng rời bỏ và xây dựng mô hình dự đoán nó.

Phân tích tiếp thị trong Python

Director of Data Science, Infoblox

Exploring your data using visualizations

Visualizing data in Python

Visualizing the distribution of account lengths

Differences in account length

Differences in account lengths

Adding a third variable

Let's make some plots!

Phân tích Khám phá Dữ liệu - Khám phá dữ liệu của bạn bằng trực quan hóa

Khám phá dữ liệu của bạn bằng trực quan hóa

Create Your Free Account