Telco customer churn prediction (Machine Learning)

مشروع في مجال تعلم الآلة (Machine Learning) يهدف إلى التنبؤ باحتمالية ترك عملاء شركات الاتصالات للخدمة اعتمادًا على بيانات العملاء والخدمات التي يستخدمونها.

ما تم تنفيذه:

استكشاف وتحليل البيانات وتحديد الأنماط المرتبطة بتسرب العملاء.

تنظيف البيانات ومعالجة القيم المفقودة والبيانات غير المتناسقة.

تجهيز المتغيرات الرقمية والفئوية باستخدام ColumnTransformer وPipeline.

استخدام SelectKBest لاختيار أهم الخصائص المؤثرة في النموذج.

تدريب ومقارنة 5 نماذج Classification مختلفة.

استخدام 5-Fold Cross-Validation وGridSearchCV لضبط Hyperparameters ومقارنة النماذج.

اختيار Logistic Regression كنموذج نهائي مع التركيز على Recall لفئة العملاء المتوقع تسربهم.

تقييم النموذج باستخدام Accuracy, Precision, Recall, F1-Score, ROC-AUCوConfusion Matrix.

تحليل تأثير تغيير Classification Threshold على أداء النموذج.

حفظ النموذج النهائي كـ Pipeline باستخدام Joblib.

تطوير تطبيق Streamlit لعرض التنبؤات بشكل تفاعلي.

النتيجة:

حقق النموذج النهائي:

Recall: 86.42%

Precision: 47.01%

F1-Score: 60.90%

ROC-AUC: 0.842

Accuracy: 70.66%

الأدوات والتقنيات:

Python, Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn, Joblib, Streamlit