Customer Churn Prediction

يهدف هذا المشروع إلى التنبؤ بفقدان العملاء (Churn) لشركة اتصالات باستخدام تقنيات التعلم الآلي. يُعد فقدان العملاء مشكلة حاسمة تؤثر على نمو الأعمال التجارية. من خلال التنبؤ الدقيق بالعملاء الذين قد يتركون الخدمة، يمكن للشركة تنفيذ استراتيجيات استباقية للاحتفاظ بالعملاء، مما يقلل من معدلات الفقدان ويعزز من قيمة العملاء مدى الحياة.

تم استخدام تقنيات تحسين المعاملات مثل GridSearchCV وRandomizedSearchCV لتعديل وتحسين أداء نموذج XGBoost، مما ساهم في رفع دقة النموذج. كما أثبت النموذج قدرته على تصنيف العملاء بشكل صحيح بين الفئات التي تركت الخدمة والتي استمرت في استخدامها.

تم استخدام كل من

A range of classification models were trained and evaluated:

- Random Forest

- Gradient Boosting

- Support Vector Machine

- Logistic Regression

- K-Nearest Neighbors

- Decision Tree

- AdaBoost

- XG Boost

- Naive Bayes

و النتيجة النهائية كانت بدقة 99% (accuracy) باستخدام KNN