मुख्य सामग्री पर जाएं

होम Python

पाठ्यक्रम

Marketing Analytics: Predicting Customer Churn in Python

मध्यमकौशल स्तर

अपडेट किया गया 12/2023

Learn how to use Python to analyze customer churn and build a model to predict it.

मुफ़्त में पाठ्यक्रम शुरू करें

PythonExploratory Data Analysis4 घंटे13 वीडियो45 अभ्यास3,550 XP18,229उपलब्धि का प्रमाण पत्र

अपना निःशुल्क खाता बनाएँ

या

जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।

हजारों कंपनियों के शिक्षार्थियों द्वारा पसंद किया गया

2 या अधिक लोगों को प्रशिक्षण दे रहे हैं?

DataCamp for Business आज़माएं

पाठ्यक्रम विवरण

Churn is when a customer stops doing business or ends a relationship with a company. It’s a common problem across a variety of industries, from telecommunications to cable TV to SaaS, and a company that can predict churn can take proactive action to retain valuable customers and get ahead of the competition. This course will provide you with a roadmap to create your own customer churn models. You’ll learn how to explore and visualize your data, prepare it for modeling, make predictions using machine learning, and communicate important, actionable insights to stakeholders. By the end of the course, you’ll become comfortable using the pandas library for data analysis and the scikit-learn library for machine learning.

पूर्व आवश्यकताएं

Data Manipulation with pandas

1

Exploratory Data Analysis

Begin exploring the Telco Churn Dataset using pandas to compute summary statistics and Seaborn to create attractive visualizations.

Welcome to the course

Defining customer churn

Exploring customer churn

Grouping and summarizing data

Summary statistics for both classes

Churn by State

Exploring your data using visualizations

Exploring feature distributions

Customer service calls and churn

अध्याय शुरू करें

2

Preprocessing for Churn Modeling

Having explored your data, it's now time to preprocess it and get it ready for machine learning. Learn the why, what, and how of preprocessing, including feature selection and feature engineering.

Data preprocessing

Identifying features to convert

Encoding binary features

One hot encoding

Feature scaling

Feature selection and engineering

Dropping unnecessary features

Engineering a new column

अध्याय शुरू करें

3

Churn Prediction

With your data preprocessed and ready for machine learning, it's time to predict churn! Learn how to build supervised learning machine models in Python using scikit-learn.

Making Predictions

Predicting whether a new customer will churn

Training another scikit-learn model

Evaluating Model Performance

Creating training and test sets

Check each sets length

Computing accuracy

Model Metrics

Confusion matrix

Varying training set size

Computing precision and recall

Other model metrics

Area under the curve

Precision-recall curve

अध्याय शुरू करें

4

Model Tuning

Learn how to improve the performance of your models using hyperparameter tuning and gain a better understanding of the drivers of customer churn that you can take back to the business.

Tuning your model

Tuning the number of features

Tuning other hyperparameters

Randomized search

Feature importances

Visualizing feature importances

Improving the plot

Interpreting feature importances

Adding new features

Does model performance improve?

Computing other metrics

Final thoughts

अध्याय शुरू करें

Marketing Analytics: Predicting Customer Churn in Python

पाठ्यक्रम
पूर्ण

उपलब्धि का प्रमाण पत्र अर्जित करें

इस प्रमाण पत्र को अपनी LinkedIn प्रोफ़ाइल, रिज्यूमे या CV में जोड़ें
इसे सोशल मीडिया पर और अपनी प्रदर्शन समीक्षा में साझा करेंअभी नामांकन करें

19 मिलियन से अधिक शिक्षार्थियों के साथ जुड़ें और आज ही Marketing Analytics: Predicting Customer Churn in Python शुरू करें!

अपना निःशुल्क खाता बनाएँ

या

जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।

मोबाइल के लिए DataCamp के साथ अपने डेटा कौशल को बढ़ाएं

हमारे मोबाइल कोर्स और दैनिक 5 मिनट की कोडिंग चुनौतियों के साथ चलते-फिरते प्रगति करें।