توقع مغادرة العملاء باستخدام Machine Learning

مشروع Machine Learning متكامل لتوقع احتمالية مغادرة العملاء للخدمة باستخدام Python و Scikit-learn.

الهدف من المشروع هو مساعدة الشركات على تحديد العملاء الأكثر عرضة للمغادرة، مما يساعد في اتخاذ قرارات مبكرة لتحسين الاحتفاظ بالعملاء وتقليل الخسائر.

قمت بتنفيذ خطوات المشروع كاملة بداية من تنظيف البيانات وتحليلها بصريًا، ثم تجهيز البيانات، وبناء Pipeline باستخدام Scikit-learn لتقليل مشكلة Data Leakage، وتدريب نموذج Random Forest Classifier مع تحسينه باستخدام GridSearchCV.

كما تم تقييم النموذج باستخدام مقاييس Classification مثل Accuracy و Precision و Recall و F1-score و Confusion Matrix، مع توضيح أن البيانات تحتوي على عدم توازن بين الفئات، ولذلك تم تحليل النتائج بشكل واقعي.

تم أيضًا إنشاء واجهة تفاعلية باستخدام Streamlit تسمح للمستخدم بإدخال بيانات العميل والحصول على توقع ما إذا كان العميل معرضًا للمغادرة أم لا.

الأدوات المستخدمة:

Python, Pandas, NumPy, Scikit-learn, Pipeline, GridSearchCV, Random Forest, Matplotlib, Seaborn, Streamlit, Joblib

المخرجات:

- تنظيف وتحليل البيانات

- رسوم بيانية توضيحية

- Pipeline لتجهيز البيانات وتدريب النموذج

- نموذج Machine Learning للتصنيف

- تقييم أداء النموذج

- Confusion Matrix

- واجهة Streamlit تفاعلية

- كود منظم وقابل للتشغيل