تنبؤ بمغادرة العملاء: مشروع علم بيانات باستخدام تعلّم الآلة

يهدف هذا المشروع إلى تحليل وتنبؤ مغادرة العملاء (Customer Churn) في أحد البنوك باستخدام تقنيات علم البيانات وتعلم الآلة.

تم استخدام مجموعة بيانات Churn_Modelling.csv التي تحتوي على 10,000 سجل لعملاء البنك، مع 14 خاصية تشمل المعلومات الديموغرافية وبيانات الحسابات.

قمت بإعداد البيانات عبر تحجيم الميزات العددية باستخدام MinMaxScaler و StandardScaler، ومعالجة عدم توازن الفئات باستخدام تقنية SMOTE لتحسين أداء النموذج. بعد ذلك، تم تدريب نموذج Random Forest لتصنيف العملاء المحتمل مغادرتهم للبنك، وتم تقييم النموذج باستخدام مقاييس الدقة (Accuracy)، الدقة الإيجابية (Precision)، الاسترجاع (Recall)، وF1-score.

النتائج: حقق النموذج دقة 83% و F1-score بنسبة 90%، مما يعكس كفاءة التحليل في تحديد العملاء المعرضين لمغادرة البنك. يبرز المشروع أهمية معالجة البيانات وعدم توازن الفئات عند بناء نماذج تنبؤية دقيقة.