التنبؤ بانسحاب العملاء باستخدام Machine Learning وPython

قمت بتنفيذ مشروع تعلم آلي باستخدام مجموعة بيانات Telco Customer Churn، التي تحتوي على 7,043 سجلًا للعملاء، بهدف التنبؤ بالعملاء المحتمل مغادرتهم لشركة الاتصالات (Customer Churn).

الأدوات والتقنيات المستخدمة:

- Python

- Pandas وNumPy

- Matplotlib وSeaborn

- Scikit-learn

مراحل تنفيذ المشروع:

- Data Preprocessing: تجهيز البيانات، ومعالجة المتغيرات وتحويل البيانات إلى صيغة مناسبة للتدريب.

- Exploratory Data Analysis (EDA): تحليل بيانات العملاء واكتشاف العوامل المرتبطة بمغادرتهم للشركة.

- Handling Class Imbalance: التعامل مع عدم التوازن بين فئات العملاء باستخدام Random Oversampling.

-*Model Training: تدريب ومقارنة عدة نماذج تصنيف، منها Logistic Regression وDecision Tree وKNN وSVM وRandom Forest.

- Model Evaluation: تقييم النماذج باستخدام مقاييس الأداء ومصفوفة الالتباس (Confusion Matrix)، مع الاهتمام بمقاييس اكتشاف العملاء المعرضين للمغادرة.

- Model Comparison: مقارنة أداء النماذج واختيار النموذج الأنسب للتنبؤ بانسحاب العملاء.

الهدف من المشروع:

بناء نموذج Machine Learning يساعد على تحديد العملاء الأكثر عرضة لمغادرة الشركة، واستخراج رؤى تدعم فهم سلوك العملاء وتساعد شركات الاتصالات على تطوير استراتيجيات الاحتفاظ بهم وتقليل معدل Churn.