Customer Churn Prediction

Предсказание оттока клиентов телеком-компании с акцентом на бизнес-метрики, а не только на accuracy.

Задача

Построить модель, которая заранее выявляет клиентов с высокой вероятностью оттока (Churn), чтобы команда retention могла точечно воздействовать на них до потери LTV.

Датасет

• Источник: Telco Customer Churn (Kaggle)
• Объём: ~7 000 клиентов, 21 признак (демография, тариф, услуги, платежи)
• Целевая переменная: Churn (Yes / No), дисбаланс классов ~27% оттока

Подход

1. EDA — очистка TotalCharges, удаление записей с tenure = 0, анализ категориальных признаков
2. Feature engineering — One-Hot Encoding категорий, числовые признаки без масштабирования (для tree-based моделей)
3. Сравнение моделей — Dummy → Logistic Regression → Random Forest → XGBoost (5-fold Stratified CV)
4. Тюнинг — RandomizedSearchCV по ROC-AUC и отдельная модель с оптимизацией по Recall
5. Бизнес-оценка — расчёт ожидаемой прибыли при разных порогах и допущениях (LTV, стоимость контакта, вероятность удержания)
6. Интерпретация — SHAP для понимания драйверов оттока

Результаты

Модель	ROC-AUC (CV)	Accuracy (test)	Recall (test)
Baseline	0.50	—	—
Logistic Regression	0.847	—	—
XGBoost (ROC-AUC)	0.850	0.78	0.51
XGBoost (Recall)	0.847	0.79	0.76

Ключевой инсайт: модель с лучшим ROC-AUC давала отрицательную ожидаемую прибыль (−34.89 $/клиент), тогда как recall-оптимизированная модель — +2.12 $/клиент при заданных бизнес-допущениях.

Стек

pandas · scikit-learn · XGBoost · SHAP · matplotlib · seaborn

Запуск

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
jupyter notebook "customer churn prediction.ipynb"

Файлы

Файл	Описание
customer churn prediction.ipynb	Основной ноутбук с EDA, моделями и бизнес-анализом
WA_Fn-UseC_-Telco-Customer-Churn.csv	Исходные данные
requirements.txt	Зависимости Python