고객 이탈

Coddy Machine Learning 여정의 지도 학습 섹션에 포함된 레슨. 58개 중 58번째.

밀키트 서비스는 매주 상자를 배송합니다. subscribers.csv에는 고객 300명의 정보와 두 달 이내에 구독을 취소했는지 여부가 기록되어 있습니다. 배송을 건너뛴 횟수는 경고 신호 중 하나입니다.

지난 3개월 동안 배송을 건너뛴 횟수별 구독 취소 비율: 0회는 15%, 1회는 36%, 2회는 60%, 3회는 61%, 4회 이상은 86%

팀은 고객이 떠나기 전에 이탈 위험이 있는 고객에게 전화하려고 합니다. 한 가지 징후만으로는 충분하지 않으므로, 랜덤 포레스트가 모든 징후를 종합해 판단합니다.

깊이를 조정해야 하며, ROC 곡선은 위험 점수가 취소하는 사람을 얼마나 잘 순위화하는지 보여 줍니다.

챌린지

어려움

prep에는 전처리 단계가 들어 있고, 프로그램은 트리 깊이를 depths에 읽어 들입니다.

층화 추출을 적용해 테스트 데이터 1/4을 분리합니다. random_state=0.
훈련 데이터에서 prep와 트리 100개로 구성된 랜덤 포레스트(random_state=0)를 결합해 depths를 대상으로 5겹 그리드 검색을 수행합니다. 가장 좋은 깊이와 교차 검증 정확도를 출력합니다.
테스트 데이터에서 취소할 확률을 바탕으로 AUC와 전화 대상 목록, 즉 확률이 0.5 이상인 경우를 출력합니다.
ROC 곡선을 forest로, 점선으로 표시한 coin toss 대각선과 범례를 함께 그립니다. 표시합니다.

다른 서비스와 깊이 3, 5를 사용하는 경우:

Best depth: 3 (CV accuracy 0.761)
Test AUC: 0.802
Call list: 21 customers, 15 of them really cancelled

Who Will Cancel?이라는 제목의 ROC 곡선. 실선으로 표시된 forest 곡선은 점선으로 표시된 coin toss 대각선 위로 가파르게 상승하며, 범례가 있음

그러면 Coddy가 곡선을 설명합니다.

직접 해보기

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_curve, roc_auc_score

subscribers = pd.read_csv("subscribers.csv")
numbers = ["months_subscribed", "boxes_skipped", "complaints", "monthly_price", "delivery_rating"]
text = ["plan", "channel"]
X = subscribers[numbers + text]
y = subscribers["churned"]

# Prepare the Data에서와 같은 처리 경로
number_steps = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
text_steps = make_pipeline(SimpleImputer(strategy="constant", fill_value="unknown"), OneHotEncoder())
prep = ColumnTransformer([("numbers", number_steps, numbers), ("words", text_steps, text)])

# 시도할 트리 깊이
n = int(input())
depths = []
for i in range(n):
    depths.append(int(input()))

fig, ax = plt.subplots()
ax.set_title("Who Will Cancel?")
ax.set_xlabel("False positive rate")
ax.set_ylabel("Recall")

# 아래에 코드를 작성하세요