Projeto 3 - Classificação foi dividido em duas partes. Parte 2 traz a Feature Engineering, escolha e aplicação do melhor modelo de Machine Learnig
Project 3 - Classification was divided into two parts. Part 2 brings Feature Engineering, choosing and applying the best Machine Learning model
Muitos problemas da vida real na carreira de cientista de dados são modelados como classificação. Quando nossa variável dependente é discreta, temos uma classificação. As classes podem ser somente duas (variável dependente binária) ou problemas multiclasse.
Apesar de criar o modelo, treinar, validar e testar serem etapas imposrtantes. Escolher a melhor forma de tratar dados faltantes (missing data), realizar uma boa engenharia de features (feature engineering) e selecionar a melhor métrica para cada projeto são partes essenciais e que requerem uma certa "criatividade" de nossa parte.
Many real-world problems in the data scientist’s career are modeled as classification. When our dependent variable is discrete, we have a classification. The classes can be only two (binary dependent variable) or multiclass problems.
Despite creating the model, training, validating, and testing being important steps, choosing the best way to handle missing data, performing good feature engineering, and selecting the best metric for each project are essential parts that require a certain ‘creativity’ on our part.
Um problema muito recorrente para muitas empresas é qual a melhor forma de reter seus clientes. Saber de antemão se um cliente vai cancelar os serviços é uma grande vantagem competitiva para qualquer empresa. A estratégia de marketing, CRM e as equipes de vendas podem se beneficiar muito se tiver informações de quais clientes tem mais chances de deixar de contratar os serviços de uma empresa.
Esse tipo de problema é chamado de previsão de churn (de churn rate, ou, % de clientes que deixam a empresa num determinado tempo). Para resolver esse tipo de problema precisamos ter uma base histórica com clientes que saíram e não saíram da empresa, bem como suas características.
Bancos, telefônicas, varejo, qualquer empresa que presta algum tipo de serviços e possui informações sobre seus clientes pode se beneficiar de modelos preditivos similares aos que iremos construir.
Nesse projeto, serão criados modelos para classificar os clientes em churn ou 'não churn' contribuindo com dados importantes para a Let's Talk (empresa telefônica da holding Let's Data) manter seus clientes.
A base utilizada pode ser obtida no Kaggle e se trata de uma empresa telefônica fictícia com dados demográficos e de serviços contratados pelos clientes com a informação se saiu ou não da empresa.
A very common problem for many companies is determining the best way to retain their customers. Knowing in advance whether a customer is likely to cancel services provides a significant competitive advantage for any company. Marketing strategies, CRM, and sales teams can greatly benefit from having information on which customers are more likely to stop using a company’s services.
This type of problem is called churn prediction (based on the churn rate, which represents the percentage of customers leaving the company within a certain time frame). To address this issue, we need a historical database with information on customers who have both stayed and left the company, along with their characteristics.
Banks, telecommunications companies, retailers—any business that provides services and has customer data—can benefit from predictive models similar to the ones we will build.
In this project, we will create models to classify customers as either ‘churn’ or ‘non-churn,’ contributing valuable insights to Let’s Talk (a telecommunications company under the Let’s Data holding) in retaining its customers.
The dataset used can be obtained from Kaggle and represents a fictional telecommunications company, including demographic data and details of services contracted by customers, along with whether they stayed with the company or not."