Icon

JKI_​025_​Modeling_​Churn_​Predictions_​Part_​3

JKI_025_Modeling_Churn_Predictions_Part_3
課題25：チャーン予測のモデリング-パート3レベル：難説明：先週この一連の課題群の目標は、特定の通信会社のどの顧客が、アカウントの属性に基づいてチャーンする（つまり、契約をキャンセルする）かを予測することです。ここで、予測されるターゲットクラスはChurnです（値0はチャーンしない顧客に対応し、1はチャーンする顧客に対応します）。タスクの分類モデルを自動的に選択した後、テストデータの精度は約95％に達しましたが、モデルは両方のクラスで均一に実行されません。実際、顧客が解約しない場合の予測（Churn = 0）は、解約する場合の予測（Churn = 1）よりも優れています。この不均衡は、これら2つのクラスの適合率と再現率の違いを調べるか、非常に高い精度にもかかわらず、Cohen’s Kappa係数が80％より少し低いかどうかを確認することで確認できます。クラスChurn=1の分類予測をもう少し強力にするために、トレーニングデータを前処理して再サンプリングするにはどうすればよいですか？ 注1：問題を理解するためにさらにヘルプが必要ですか？このブログ投稿をチェックしてください。https://www.knime.com/blog/predict-customer-churn-low-code-ml-example注2： この問題は難しいです。クラスChurn=1のパフォーマンスが大幅に向上することは期待できません。また、パフォーマンスの向上が統計的に有意であるかどうかを確認することは簡単ではありません。それでも...このチャレンジに最善を尽くしてください！データセット入手先：https://hub.knime.com/alinebessa/spaces/Just%20KNIME%20It!%20Datasets/latest/Challenge%2023%20-%20Datasets~QtkrTSlsdv1kr5cO/ performancescoringRead training data(Churn should bestring for theclassifier to work)Read t est data(Churn should bestring for theclassifier to work)Oversample churn class at each training sampleInspect variables."Churn" column isunbalancedApply picked modelclass = churn(using accuracy topick best model)Inspect variables."Churn" column isunbalancedSMOTE後のデータ分布を観察Scorer CSV Reader CSV Reader SMOTE Data Explorer Workflow Executor AutoML Data Explorer Data Explorer 課題25：チャーン予測のモデリング-パート3レベル：難説明：先週この一連の課題群の目標は、特定の通信会社のどの顧客が、アカウントの属性に基づいてチャーンする（つまり、契約をキャンセルする）かを予測することです。ここで、予測されるターゲットクラスはChurnです（値0はチャーンしない顧客に対応し、1はチャーンする顧客に対応します）。タスクの分類モデルを自動的に選択した後、テストデータの精度は約95％に達しましたが、モデルは両方のクラスで均一に実行されません。実際、顧客が解約しない場合の予測（Churn = 0）は、解約する場合の予測（Churn = 1）よりも優れています。この不均衡は、これら2つのクラスの適合率と再現率の違いを調べるか、非常に高い精度にもかかわらず、Cohen’s Kappa係数が80％より少し低いかどうかを確認することで確認できます。クラスChurn=1の分類予測をもう少し強力にするために、トレーニングデータを前処理して再サンプリングするにはどうすればよいですか？ 注1：問題を理解するためにさらにヘルプが必要ですか？このブログ投稿をチェックしてください。https://www.knime.com/blog/predict-customer-churn-low-code-ml-example注2： この問題は難しいです。クラスChurn=1のパフォーマンスが大幅に向上することは期待できません。また、パフォーマンスの向上が統計的に有意であるかどうかを確認することは簡単ではありません。それでも...このチャレンジに最善を尽くしてください！データセット入手先：https://hub.knime.com/alinebessa/spaces/Just%20KNIME%20It!%20Datasets/latest/Challenge%2023%20-%20Datasets~QtkrTSlsdv1kr5cO/ performancescoringRead training data(Churn should bestring for theclassifier to work)Read t est data(Churn should bestring for theclassifier to work)Oversample churn class at each training sampleInspect variables."Churn" column isunbalancedApply picked modelclass = churn(using accuracy topick best model)Inspect variables."Churn" column isunbalancedSMOTE後のデータ分布を観察Scorer CSV Reader CSV Reader SMOTE Data Explorer Workflow Executor AutoML Data Explorer Data Explorer

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: rosy
Created at: 2015-04-23
On NodePit since: 2022-07-17
Last update: 2024-04-27
Created with KNIME version: v4.4.1
Tags: #justknimeit-25justknimeit-25KNIMEST

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!