Предсказание отклика клиентов крупной телекоммуникационной компании на основе методов машинного обучения

<p>В данной работе рассматривается проблема предсказания поведения абонентов, а именно отключит ли абонент услугу &laquo;Безлимитная Opera&raquo;. Основная цель исследования &ndash; понять, какое сочетание методов отбора переменных и решения задачи классификации методами машинного обучения является наиболее подходящим к решению данной задачи. Задачи данной работы: построение различных моделей классификации на основе методов машинного обучения и, используя различные методы отбора атрибутов для модели, сравнение полученных моделей.</p><p>Решение задачи представляет собой полноценный процесс извлечения новых знаний из базы данных (Knowledge Discovery in Database process). Первый этап выполнения &ndash; сбор данных. Из хранилища данных компании было выгружено огромное количество данных о поведении абонентов (пользователях интересующей нас услуги) за период в три месяца. Затем задавалась целевая переменная: отключил ли абонент услугу на 4-ый месяц. Если да, то переменная принимала значение 1, иначе 0. Затем идет процесс очистки данных и подготовка их к анализу. Он включает в себя избавление от аномальных значений, балансировка данных по целевой переменной. Следующий процесс, трансформация данных, получился очень трудоемким, так как на данных, в каком виде они были первоначально, не получалось построить достаточно точную модель. Поэтому из 316 атрибутов получилось 3010, путем различных манипуляций с данными. Четвертый шаг, data mining, включал себя использование различных алгоритмов для отбора атрибутов и затем построение на этих данных моделей, основывающихся на алгоритмах машинного обучения. Пятый шаг сравнение полученных результатов и выявление наилучших моделей по разным критериям.</p><p>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; В итоге работы были получены достаточно точные предсказательные модели. Особенно хорошо показали себя такие методы отбора признаков, как Information Gain и Relief в сочетании с методами многослойной нейронной сети и логистической регрессии. Точность предсказания в среднем по лучшим моделям составляет примерно 84,75%.</p>