Marketing Analytics: Predicting Customer Churn in Python
Learn how to use Python to analyze customer churn and build a model to predict it.
Commencer Le Cours Gratuitement4 heures13 vidéos45 exercices16 551 apprenantsDéclaration de réalisation
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.Formation de 2 personnes ou plus ?
Essayer DataCamp for BusinessApprécié par les apprenants de milliers d'entreprises
Description du cours
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.
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Analyse marketing en Python
Aller à la piste- 1
Exploratory Data Analysis
GratuitBegin exploring the Telco Churn Dataset using pandas to compute summary statistics and Seaborn to create attractive visualizations.
- 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.
- 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 Predictions50 xpPredicting whether a new customer will churn100 xpTraining another scikit-learn model100 xpEvaluating Model Performance50 xpCreating training and test sets100 xpCheck each sets length50 xpComputing accuracy100 xpModel Metrics50 xpConfusion matrix100 xpVarying training set size100 xpComputing precision and recall100 xpOther model metrics50 xpROC curve100 xpArea under the curve100 xpPrecision-recall curve50 xpF1 score100 xp - 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 model50 xpTuning the number of features100 xpTuning other hyperparameters100 xpRandomized search100 xpFeature importances50 xpVisualizing feature importances100 xpImproving the plot100 xpInterpreting feature importances50 xpAdding new features50 xpDoes model performance improve?100 xpComputing other metrics100 xpFinal thoughts50 xp
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Analyse marketing en Python
Aller à la pisteensembles de données
Telco Churn Datasetcollaborateurs
prérequis
Data Manipulation with pandas
Qu’est-ce que les autres apprenants ont à dire ?
Inscrivez-vous 15 millions d’apprenants et commencer Marketing Analytics: Predicting Customer Churn in Python Aujourd’hui!
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.