Customer Churn Prediction باستخدام Random Forest وتحليل البيانات

قمت ببناء نموذج تصنيف للتنبؤ بالعملاء المعرّضين لترك الخدمة (Customer Churn) اعتمادًا على بيانات تحتوي على 10,000 سجل.

بدأت المشروع بتحليل استكشافي شامل للبيانات (EDA) باستخدام Seaborn وMatplotlib لاكتشاف الأنماط والعوامل المؤثرة في قرار العميل. بعد ذلك قمت بعمليات تنظيف البيانات، معالجة القيم المفقودة، وترميز المتغيرات الفئوية.

تم تدريب نموذج Random Forest Classifier مع ضبط المعاملات (Hyperparameter Tuning) لتحسين الأداء، مما أدى إلى الوصول إلى دقة تنبؤ بلغت 86%.

يساعد هذا النموذج الشركات في تحديد العملاء المهددين بالمغادرة واتخاذ إجراءات استباقية للاحتفاظ بهم.