Метка: sklearn.metrics

Сегодня закончил последнюю теоретическую часть в программе обучения Анализ данных на Яндекс.Практикуме.

Эта часть далась мне нелегко. Было очень много непонятных слов и действий.

Но, зато, очень интересно. Ведь это были Начала машинного обучения.

Нам рассказали и на практике показали, как устроено обучение машинного моделирования на основе накопленных данных для прогнозирования результатов будущих периодов.

Например

Есть фитнес-центр. Администраторы этого предприятия ведут учёт того, как клиенты его посещают.

• Как часто приходят
• Посещают ли дополнительные группы
• Покупают ли индивидуальные консультации
• Живут или работают рядом
• Когда заканчивается срок действия абонемента
• И … когда перестали пользоваться услугами компании.

Аналитик данных:

• проводит подготовку собранной статистики методами pandas на python
• выбирает методы прогнозирования из библиотеки sklearn
• обучает компьютер методом scaler.fit
• выбирает самый точный алгоритм прогнозирования по результату сравнения параметров оценки точности предсказания из sklearn.metrics
• помогает настроить систему, которая на основе новых данных за месяц, строит прогноз оттока

Администрация:

• На основе полученного прогноза активно стимулирует клиентов из рисковой группы. Чтобы они не бросали занятия )))

Так решаем главную задачу:

Удержание клиентов