Churn

Прогнозирование оттока клиентов

Описание проекта

Задача бинарной классификации — предсказать, уйдет ли клиент (TARGET = 1) или останется (TARGET = 0).

Проект включает полный цикл работы с данными: предобработка, анализ, feature engineering, обучение и сравнение нескольких моделей машинного обучения.

---

Данные

• train.csv — обучающая выборка (355 190 строк, 116 признаков)
• test.csv — тестовая выборка для предсказаний

Целевая переменная: TARGET (1 — отток, 0 — клиент остался)

---

Этапы работы

1. Предобработка данных

• Удаление признаков с >20% пропусков — 72 признака удалено
• Заполнение пропусков — медианное значение для оставшихся признаков с низким процентом пропусков
• Удаление дубликатов

2. Разведочный анализ (EDA)

• Визуализация распределения каждого признака (6×7 графиков)
• Анализ целевой переменной: сильный дисбаланс классов (92% — 0, 8% — 1)

3. Подготовка признаков

• Категориальный признак PACK — one-hot encoding
• Числовые признаки — стандартизация (StandardScaler)
• Разделение данных — train/test 80/20 со стратификацией

4. Обучение моделей

| Naive Classifier (все 0) | Random Forest | MLPClassifier (sklearn) | Keras Sequential (с Dropout) | Pure TensorFlow (ручная реализация) | NumPy NN (ручная реализация)

5. Прогнозирование на тестовой выборке

• Лучшая модель (MLPClassifier) применена к тестовым данным
• Результат сохранён в predictions.csv

---

Выводы

1. Сильный дисбаланс классов — наивный классификатор уже даёт 91.9% accuracy, поэтому ключевая метрика — AUC-ROC
2. Random Forest показал лучший результат accuracy
3. MLPClassifier (sklearn) показал AUC 0.919, что сопоставимо с кастомными реализациями
4. Реализации нейронных сетей вручную (TensorFlow и NumPy) дали близкие результаты (~0.824 AUC)

---

Используемые библиотеки

• pandas, numpy — обработка данных
• matplotlib, seaborn — визуализация
• scikit-learn — ML модели, предобработка, метрики
• tensorflow, keras — нейронные сети