Predictive analysis of customer churn

Tato práce se zaměřuje na prediktivní analýzu odchodu zákazníků, známou jako churn prediction, a na využití strojového učení pro identifikaci zákazníků, kteří jsou pravděpodobně ohroženi odchodem. Cílem je zjistit, jakým způsobem mohou firmy využít strojové učení, konkrétně algoritmy eXtreme Gradient Boosting a Support Vector Machine, k lepší predikci tohoto odchodu. V práci jsou podrobně popsány metody jako feature engineering, ladění hyperparametrů a techniky pro vyrovnání nevyvážených dat, jako je Syntetická menšinová převzorkovací technika. Dále se zaměřuje na analýzu datového souboru, jeho přípravu a vytváření nových atributů, které mohou být užitečné pro modelování. V rámci experimentů bylo testováno několik přístupů a výsledky ukázaly, že i přes určité problémy s identifikací menšinové třídy byly výsledky modelů přínosné a ukázaly směry pro další zlepšení. Práce také doporučuje zlepšit výběr atributů, optimalizaci hyperparametrů a rozšíření datového souboru pro lepší výsledky v budoucnu.