first-project v4

Проект: Обучение с учителем. Прогнозирование снижения активности пользователей

📌 Описание проекта

Цель проекта – разработать решение, позволяющее персонализировать предложения постоянным клиентам интернет-магазина "В один клик", чтобы увеличить их покупательскую активность.
Для этого решается задача бинарной классификации с использованием методов обучения с учителем.
В проекте проводится анализ данных, их предобработка, исследовательский анализ (EDA), построение и сравнение нескольких моделей машинного обучения.

🧩 Постановка задачи

• Тип задачи: Бинарная классификация
• Целевая переменная: покупательская_активность (значения: "Снизилась", "Прежний уровень")
• Датасет: объединённые данные из файлов market_file.csv, market_money.csv, market_time.csv.

🔧 Используемые методы и модели

В проекте рассмотрены следующие модели машинного обучения:

• Logistic Regression
• K-Nearest Neighbors (KNN)
• Decision Tree
• Support Vector Machine (SVC)

Для всех моделей использовались Pipeline и ColumnTransformer для корректной обработки признаков.
Гиперпараметры подбирались с помощью RandomizedSearchCV и GridSearchCV.
Модели оценивались по метрике roc_auc, устойчивой к дисбалансу классов, а также дополнительно анализировались f1_score, precision и recall.
Для интерпретации результатов использовался SHAP для анализа важности признаков.

📊 Результаты

• Лучшая модель: LogisticRegression (C=2, penalty='l1', solver='liblinear')
• Значение метрики roc_auc на тестовой выборке: 0.89
• Значение метрики f1_score на тестовой выборке: 0.90
• Краткое сравнение: Logistic Regression показала стабильные и высокие результаты, при этом оставаясь интерпретируемой моделью. SVC и Random Forest также показали хорошие результаты, но с большей сложностью и временем обучения.