Exemple de classificateur d'arbre de décision pour prédire le taux de désabonnement des clients

Exemple de classificateur d'arbre de décision pour prédire le taux de désabonnement des clients

Aperçu

Ce projet montre comment prédire le taux de désabonnement des clients (si un client quitte un service) à l'aide d'un classificateur d'arbre de décision. L'ensemble de données comprend des fonctionnalités telles que âge, frais mensuels et appels au service client, dans le but de prédire si un client se désintéressera ou non.

Le modèle est entraîné à l'aide du classificateur d'arbre de décision de Scikit-learn, et le code visualise l'arbre de décision pour mieux comprendre comment le modèle prend des décisions.

---

Technologies utilisées

• Python 3.x : langage principal utilisé pour construire le modèle.
• Pandas : Pour la manipulation de données et la gestion d'ensembles de données.
• Matplotlib : Pour la visualisation des données (traçage d'un arbre de décision).
• Scikit-learn : pour l'apprentissage automatique, y compris la formation et l'évaluation des modèles.

---

Étapes expliquées

1. Importer les bibliothèques nécessaires

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• Pandas (pd) :

  • Ceci est utilisé pour la manipulation des données et le chargement des données au format DataFrame. Les DataFrames vous permettent d'organiser et de manipuler des données structurées comme des tableaux (lignes et colonnes).

• Matplotlib (plt) :

  • Il s'agit d'une bibliothèque de traçage utilisée pour visualiser les données. Ici, il est utilisé pour tracer graphiquement l’arbre de décision, ce qui aide à comprendre comment les décisions sont prises à chaque nœud de l’arbre.

• Avertissements (avertissements) :

  • Le module d'avertissements est utilisé pour supprimer ou gérer les avertissements. Dans ce code, nous ignorons les avertissements inutiles pour garder le résultat propre et lisible.
• Bibliothèques

  Scikit-learn :

  • train_test_split : cette fonction divise l'ensemble de données en sous-ensembles d'entraînement et de test. Les données de formation sont utilisées pour ajuster le modèle et les données de test sont utilisées pour évaluer ses performances.
  • DecisionTreeClassifier : C'est le modèle qui sera utilisé pour classer les données et prédire le taux de désabonnement des clients. Les arbres de décision fonctionnent en créant un modèle de décisions arborescent basé sur les fonctionnalités.
  • accuracy_score : Cette fonction calcule la précision du modèle en comparant les valeurs prédites avec les valeurs réelles de la variable cible (Churn).
  • arbre : Ce module comprend des fonctions permettant de visualiser l'arbre de décision une fois entraîné.

2. Suppression des avertissements

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• Cette ligne indique à Python d'ignorer tous les avertissements. Cela peut être utile lorsque vous exécutez des modèles et que vous ne souhaitez pas que les avertissements (tels que ceux concernant les fonctions obsolètes) encombrent la sortie.

3. Créer un ensemble de données synthétiques

warnings.filterwarnings("ignore")

• Ici, nous créons un ensemble de données synthétiques pour le projet. Cet ensemble de données simule les informations client d'une entreprise de télécommunications, avec des fonctionnalités telles que l'âge, MonthlyCharge, CustomerServiceCalls et la variable cible Churn (que le client soit désabonné ou non).

  • CustomerID : Identifiant unique de chaque client.
  • Âge : Âge du client.
  • MonthlyCharge : Facture mensuelle du client.
  • CustomerServiceCalls : nombre de fois qu'un client a appelé le service client.
  • Désabonnement : indique si le client s'est désisté (Oui/Non).

• Pandas DataFrame : Les données sont structurées comme un DataFrame (df), une structure de données étiquetée en 2 dimensions, permettant une manipulation et une analyse faciles des données.

4. Diviser les données en fonctionnalités et variables cibles

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• Caractéristiques (X) : Les variables indépendantes utilisées pour prédire la cible. Dans ce cas, cela inclut l'âge, la charge mensuelle et les appels CustomerService.
• Variable cible (y) : La variable dépendante, qui est la valeur que vous essayez de prédire. Ici, c'est la colonne Churn, qui indique si un client va churn ou non.

5. Diviser les données en ensembles de formation et de test

warnings.filterwarnings("ignore")

• train_test_split divise l'ensemble de données en deux parties : un ensemble d'entraînement (utilisé pour entraîner le modèle) et un ensemble de test (utilisé pour évaluer le modèle).
  • test_size=0.3 : 30 % des données sont réservées aux tests et les 70 % restants sont utilisés pour la formation.
  • random_state=42 assure la reproductibilité des résultats en corrigeant la graine du générateur de nombres aléatoires.

6. Formation du modèle d'arbre de décision

data = {
    'CustomerID': range(1, 101),  # Unique ID for each customer
    'Age': [20, 25, 30, 35, 40, 45, 50, 55, 60, 65]*10,  # Age of customers
    'MonthlyCharge': [50, 60, 70, 80, 90, 100, 110, 120, 130, 140]*10,  # Monthly bill amount
    'CustomerServiceCalls': [1, 2, 3, 4, 0, 1, 2, 3, 4, 0]*10,  # Number of customer service calls
    'Churn': ['No', 'No', 'Yes', 'No', 'Yes', 'No', 'Yes', 'Yes', 'No', 'Yes']*10  # Churn status
}

df = pd.DataFrame(data)
print(df.head())

• DecisionTreeClassifier() initialise le modèle d'arbre de décision.
• clf.fit(X_train, y_train) entraîne le modèle à l'aide des données d'entraînement. Le modèle apprend les modèles des fonctionnalités X_train pour prédire la variable cible y_train.

7. Faire des prédictions

X = df[['Age', 'MonthlyCharge', 'CustomerServiceCalls']]  # Features
y = df['Churn']  # Target Variable

• clf.predict(X_test) : Une fois le modèle entraîné, il est utilisé pour faire des prédictions sur l'ensemble de test (X_test). Ces valeurs prédites sont stockées dans y_pred, et nous les comparerons avec les valeurs réelles (y_test) pour évaluer le modèle.

8. Évaluer le modèle

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

• accuracy_score(y_test, y_pred) calcule la précision du modèle en comparant les étiquettes de désabonnement prédites (y_pred) avec les étiquettes de désabonnement réelles (y_test) de l'ensemble de tests.
• La précision est une mesure du nombre de prédictions qui étaient correctes. Il est imprimé pour évaluation.

9. Visualiser l'arbre de décision

clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

• tree.plot_tree(clf, fill=True) : visualise le modèle d'arbre de décision entraîné. L'argument fill=True colore les nœuds en fonction de l'étiquette de classe (Churn/No Churn).
• feature_names : Spécifie les noms des fonctionnalités (variables indépendantes) à afficher dans l'arborescence.
• class_names : Spécifie les étiquettes de classe pour la variable cible (Churn).
• plt.show() : Affiche la visualisation de l'arborescence.

---

Exécuter le code

1. Clonez le référentiel ou téléchargez le script.
2. Installer les dépendances :

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

1. Exécutez le script Python ou le notebook Jupyter pour entraîner le modèle et visualiser l'arbre de décision.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!