تنبؤ بانسحاب العملاء (Churn Prediction) باستخدام تعلم الآلة

قمت بتطوير نموذج تعلم آلي للتنبؤ بانسحاب العملاء (Churn Prediction) بالاعتماد على بيانات من مجموعة بيانات Telco Customer Churn على Kaggle. الهدف من المشروع هو مساعدة الشركات على توقع العملاء المعرضين لترك الخدمة، وبالتالي تقليل معدل فقد العملاء وزيادة رضاهم.

طريقة التنفيذ:

معالجة البيانات: قمت بإعداد البيانات وتنظيفها باستخدام Pandas، مع تطبيق تقنيات هندسة الخصائص (Feature Engineering) وتحليل الارتباط (Correlation Analysis) لاختيار المتغيرات الأكثر تأثيرًا.

تجربة النماذج: قمت بتدريب عدة خوارزميات مثل Gradient Boosting و Neural Network و Random Forest.

تحسين الأداء: استخدمت تقنيات مثل SMOTE لمعالجة عدم توازن البيانات، بالإضافة إلى GridSearchCV لضبط أفضل معاملات للنماذج.

المميزات والنتائج:

تحقيق دقة وصلت إلى %80.8 باستخدام خوارزمية Gradient Boosting.

النتائج تفوقت على المعايير المرجعية (Benchmarks) الخاصة بـ Kaggle.

المشروع تم توثيقه ونشره على Kaggle وGitHub مما يبرز قابليته للتطبيق في بيئات الأعمال الحقيقية.