Contoh Pengelas Pokok Keputusan untuk Meramalkan Perpecahan Pelanggan

Contoh Pengelas Pokok Keputusan untuk Meramalkan Perpecahan Pelanggan

Gambaran keseluruhan

Projek ini menunjukkan cara meramalkan perubahan pelanggan (sama ada pelanggan meninggalkan perkhidmatan) menggunakan Pengelas Pokok Keputusan. Set data termasuk ciri seperti umur, caj bulanan dan panggilan khidmat pelanggan, dengan matlamat untuk meramalkan sama ada pelanggan akan berpusing atau tidak.

Model ini dilatih menggunakan Pengelas Pokok Keputusan Scikit-learn dan kod itu menggambarkan pepohon keputusan untuk lebih memahami cara model membuat keputusan.

---

Teknologi yang Digunakan

• Python 3.x: Bahasa utama yang digunakan untuk membina model.
• Panda: Untuk manipulasi data dan pengendalian set data.
• Matplotlib: Untuk visualisasi data (pohon keputusan merancang).
• Scikit-Learn: Untuk pembelajaran mesin, termasuk latihan model dan penilaian.

---

Langkah Diterangkan

1. Import Perpustakaan yang Diperlukan

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

• Panda (pd):

  • Ini digunakan untuk manipulasi data dan memuatkan data ke dalam format DataFrame. DataFrames membolehkan anda menyusun dan memanipulasi data berstruktur seperti jadual (baris dan lajur).

• Matplotlib (plt):

  • Ini ialah perpustakaan merancang yang digunakan untuk menggambarkan data. Di sini, ia digunakan untuk memplot pepohon keputusan secara grafik, yang membantu dalam memahami cara keputusan dibuat pada setiap nod pepohon itu.

• Amaran (amaran):

  • Modul amaran digunakan untuk menyekat atau mengendalikan amaran. Dalam kod ini, kami mengabaikan amaran yang tidak perlu untuk memastikan output bersih dan boleh dibaca.

• Scikit-belajar perpustakaan:

  • train_test_split: Fungsi ini membahagikan set data kepada subset latihan dan ujian. Data latihan digunakan agar sesuai dengan model dan data ujian digunakan untuk menilai prestasinya.
  • DecisionTreeClassifier: Ini ialah model yang akan digunakan untuk mengklasifikasikan data dan meramalkan churn pelanggan. Pokok Keputusan berfungsi dengan mencipta model keputusan seperti pokok berdasarkan ciri.
  • accuracy_score: Fungsi ini mengira ketepatan model dengan membandingkan nilai ramalan dengan nilai sebenar pembolehubah sasaran (Churn).
  • pokok: Modul ini termasuk fungsi untuk menggambarkan pepohon keputusan sebaik sahaja ia dilatih.

2. Menekat Amaran

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

• Barisan ini memberitahu Python untuk mengabaikan semua amaran. Ia boleh membantu apabila anda menjalankan model dan tidak mahu amaran (seperti tentang fungsi yang tidak digunakan) mengganggu output.

3. Mencipta Set Data Sintetik

warnings.filterwarnings("ignore")

• Di sini, kami mencipta set data sintetik untuk projek itu. Set data ini mensimulasikan maklumat pelanggan untuk syarikat telekomunikasi, dengan ciri seperti Umur, Caj Bulanan, Panggilan Perkhidmatan Pelanggan dan pembolehubah sasaran Churn (sama ada pelanggan meragam atau tidak).

  • ID Pelanggan: Pengecam unik untuk setiap pelanggan.
  • Umur: Umur pelanggan.
  • Caj Bulanan: Bil bulanan pelanggan.
  • CustomerServiceCalls: Bilangan kali pelanggan menghubungi perkhidmatan pelanggan.
  • Churn: Sama ada pelanggan bergolak (Ya/Tidak).

• Pandas DataFrame: Data distrukturkan sebagai DataFrame (df), struktur data berlabel 2 dimensi, membolehkan manipulasi dan analisis data yang mudah.

4. Memisahkan Data kepada Ciri dan Pembolehubah Sasaran

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

• Ciri (X): Pembolehubah bebas yang digunakan untuk meramalkan sasaran. Dalam kes ini, ia termasuk Umur, Caj Bulanan dan Panggilan Perkhidmatan Pelanggan.
• Pembolehubah sasaran (y): Pembolehubah bersandar, iaitu nilai yang anda cuba ramalkan. Di sini, ia adalah lajur Churn, yang menunjukkan sama ada pelanggan akan bergolak atau tidak.

5. Memisahkan Data kepada Set Latihan dan Ujian

warnings.filterwarnings("ignore")

• train_test_split membahagikan set data kepada dua bahagian: set latihan (digunakan untuk melatih model) dan set ujian (digunakan untuk menilai model).
  • test_size=0.3: 30% daripada data diketepikan untuk ujian dan baki 70% digunakan untuk latihan.
  • random_state=42 memastikan kebolehulangan hasil dengan menetapkan benih untuk penjana nombor rawak.

6. Melatih Model Pokok Keputusan

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() memulakan model pepohon keputusan.
• clf.fit(X_train, y_train) melatih model menggunakan data latihan. Model mempelajari corak daripada ciri X_train untuk meramalkan pembolehubah sasaran y_train.

7. Membuat Ramalan

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

• clf.predict(X_test): Selepas model dilatih, ia digunakan untuk membuat ramalan pada set ujian (X_test). Nilai ramalan ini disimpan dalam y_pred dan kami akan membandingkannya dengan nilai sebenar (y_test) untuk menilai model.

8. Menilai Model

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) mengira ketepatan model dengan membandingkan ramalan label churn (y_pred) dengan label churn sebenar (y_test) daripada set ujian.
• ketepatan ialah ukuran bilangan ramalan yang betul. Ia dicetak untuk penilaian.

9. Membayangkan Pokok Keputusan

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

• tree.plot_tree(clf, filled=True): Memvisualisasikan model pepohon keputusan terlatih. The filled=True argument mewarnai nod berdasarkan label kelas (Churn/No Churn).
• nama_ciri: Menentukan nama ciri (pembolehubah bebas) untuk dipaparkan dalam pepohon.
• class_names: Menentukan label kelas untuk pembolehubah sasaran (Churn).
• plt.show(): Memaparkan visualisasi pokok.

---

Menjalankan Kod

1. Klon repositori atau muat turun skrip.
2. Pasang kebergantungan:

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. Jalankan skrip Python atau buku nota Jupyter untuk melatih model dan memvisualisasikan pepohon keputusan.

Atas ialah kandungan terperinci Contoh Pengelas Pokok Keputusan untuk Meramalkan Perpecahan Pelanggan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!