如同 Mark 在影片中說明的,像是 'Churn' 這類特徵,最好以 0 和 1 編碼,而不是 no 和 yes。這樣你才能把它餵給只接受數值的機器學習演算法。
'Churn'
0
1
no
yes
除了 'Churn' 之外,型別為 object 的其他特徵也可以轉換成 0 與 1。在這個練習中,你要在 IPython Shell 探索 telco 的各欄位型別,並找出型別為 object 的欄位。
object
telco
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
開始使用 pandas 探索 Telco Churn Dataset,計算摘要統計,並用 Seaborn 建立具吸引力的視覺化圖表。
在探索過資料之後,現在該進行前處理,為機器學習做好準備。學習前處理的原因、內容與方法,包括特徵選擇與特徵工程。
當前練習
當資料完成前處理並可用於機器學習後,就來進行流失預測吧!學習如何在 Python 中使用 scikit-learn 建立監督式學習模型。
學習如何透過超參數調校來提升模型效能,並更深入理解驅動客戶流失的因素,好帶回業務端應用。