dx2-66 / telecom_churn_prediction

RU: linear vs GBDT back to back churn prediction

Предсказание оттока пользователей

Нам предстоит моделировать отток клиентов телеком-компании. Эта задача очень важна на практике: если мы знаем, что клиент собирается уйти от нас, то мы можем попытаться удержать его, предложив какие-то бонусы.

Предоставленные данные:

Данные о статусе и поведении клиентов.

Этапы работы:

• Обзор данных.
• Исследовательский анализ и предобработка.
• Построение линейной модели.
• Построение модели градиентного бустинга с использование библиотеки CatBoost.
• Определение лучшей модели и финальное тестирование.

Цель работы:

Построение модели для задачи классификации, способной предсказать отток клиентов на основе данных о них. Целевая метрика ROC_AUC должна быть не ниже 0.84.

Используемые библиотеки:

• Pandas
• Scikit-learn
• Scikit-optimize
• Matplotlib
• Seaborn
• CatBoost
• category_encoders
• NumPy
• statsmodels
• UMAP (опционально)