Bank customer churn prediction

يهدف هذا المشروع إلى بناء نموذج تعلّم آلة للتنبؤ باحتمالية مغادرة عملاء البنك (Customer Churn) اعتمادًا على تحليل بيانات العملاء وسلوكهم. يساعد هذا النوع من النماذج المؤسسات المالية على تحديد العملاء المعرضين لخطر المغادرة مبكرًا واتخاذ إجراءات استباقية للحفاظ عليهم، مما يساهم في تقليل خسارة العملاء وتحسين استراتيجيات الاحتفاظ بهم.

منهجية العمل:

إجراء تحليل استكشافي للبيانات (EDA) لفهم خصائص العملاء والعوامل المؤثرة في قرار المغادرة.

تنظيف البيانات ومعالجة القيم المفقودة والتعامل مع المتغيرات الفئوية باستخدام تقنيات Feature Encoding.

إجراء Feature Engineering لتحسين جودة البيانات المدخلة للنموذج.

تقسيم البيانات إلى Training Set وTesting Set لضمان تقييم موضوعي للنموذج.

تدريب ومقارنة عدة خوارزميات في تعلم الآلة مثل:

Logistic Regression

Xgboost

Random Forest

تقييم أداء النماذج باستخدام مقاييس متعددة مثل:

Accuracy

Precision

Recall

F1-score

Confusion Matrix

اختيار النموذج الأفضل بناءً على الأداء والقدرة على التعميم.

الأدوات والتقنيات المستخدمة:

Python

Pandas وNumPy لمعالجة البيانات

Scikit-learn لبناء نماذج تعلم الآلة

Matplotlib وSeaborn لتصور البيانات وتحليلها