Customer Churn Prediction using Machine Learning

قمت بتطوير مشروع Machine Learning للتنبؤ بالعملاء المحتمل مغادرتهم للشركة (Customer Churn Prediction)، باستخدام بيانات العملاء لتحديد الأنماط والعوامل المرتبطة بقرار الاستمرار أو المغادرة.

يشمل المشروع:

- استكشاف بيانات العملاء وتحليل توزيع الفئات.

- تنظيف البيانات ومعالجة القيم المفقودة.

- تنفيذ تجهيز البيانات باستخدام Imputation وScaling وOne-Hot Encoding.

- تدريب وتقييم عدة نماذج، منها Logistic Regression وRandom Forest.

- التعامل مع عدم توازن الفئات باستخدام Class Weights.

- تقييم النماذج باستخدام Accuracy وPrecision وRecall وF1-score وROC-AUC.

- تحليل أهمية الخصائص باستخدام Permutation Feature Importance.

- اختيار النموذج النهائي بناءً على المقارنة بين الأداء واحتياجات اكتشاف العملاء المعرضين للمغادرة.

- حفظ النموذج المدرب باستخدام Joblib وتجهيزه للاستخدام في تطبيق تفاعلي باستخدام Streamlit.

حقق النموذج النهائي Recall لفئة العملاء المغادرين بلغ حوالي 78.34% على بيانات الاختبار، مع F1-score بلغ حوالي 61.36%.

**الأدوات والتقنيات:** Python، Pandas، NumPy، Matplotlib، Seaborn، Scikit-learn، Joblib، وStreamlit.

يهدف المشروع إلى مساعدة الشركات على تحديد العملاء الأكثر عرضة للمغادرة، بما يدعم تطوير استراتيجيات الاحتفاظ بالعملاء.