Análisis de un data set de Telco Customer Churn y entrenamiento de un modelo predictivo por diferentes métodos
El dataset puede ser encontrado en el siguiente desafo de Kaggle: Telco-customer-churn
La motivación es predecir el comportamiento para retener clientes. Poder analizar todos los datos relevantes de los clientes y desarrollar programas de retención de clientes.
- Cada fila representa un cliente, cada columna contiene los atributos del cliente descritos en la columna Metadatos.
- El conjunto de datos incluye información sobre:
- Clientes que se fueron en el último mes: la columna se llama RenunciaServicios a los que cada cliente se ha suscrito: teléfono, varias líneas, Internet, seguridad en línea, respaldo en línea, protección de dispositivos, soporte técnico y transmisión de TV y películas.
- Información de la cuenta del cliente: cuánto tiempo ha sido cliente, contrato, método de pago, facturación electrónica, cargos mensuales y cargos totales.
- Información demográfica sobre los clientes: sexo, rango de edad y si tienen socios y dependientes
Las notebooks que contienen toda la información del análisis exploratorio y entrenamiento de los modelos de machine learning se pueden encontrar en la siguiente carpeta
- El dataset presenta como variable target el Churn Status cuya distribución se ve en el siguiente gráfico.
-
El dataset tiene una forma de (7043, 21), no presenta outliers en sus valores y presenta blancos solo en 11 identificados como missing values de los 7043.
-
Hay datos Sensibles los cuales se pueden o no tener en cuenta. Edad / Sexo en ocasiones no esta bien visto hacer recomendaciones utilizando esta informacion ya que puede ser visto como discriminación.
-
Variables más significativas según modelo Random Forest:
- Total Charges: El monto total cobrado al cliente
- Tenure: Número de meses que el cliente ha permanecido en la empresa.
- Monthly change: El monto cobrado al cliente mensualmente
- Variables que más correlacionan con variable objetivo:
- Total Charges: El monto total cobrado al cliente
- Tenure: Número de meses que el cliente ha permanecido en la empresa.
- Probando con ensambles de árboles, el modelo que mejor resultados obtuvo fue el clasificador AdaBoost:
- Comparación de resultados de una regresión logistica con una red neuronal simple de una sola neurona, con activación sigmoidea:
Los resultados obtenidos con redes neuronales se pueden hallar en la siguiente notebook, aunque también se realizaron diversas pruebas que se pueden encontrar en la siguiente carpeta.
- Matriz de confusión y métricas obtenida para los datos de test.
