آموزش پایتون
🔥 چالش ۳۰ روزه Python for AI #Day24 🎯 موضوع: مقایسه و بهبود مدلها در روز قبل با Logistic Regression مدل پیشبینی ریزش مشتری را ساختیم؛ اما Accuracy بهتنهایی کافی نبود. امروز باید مدل قبلی را با یک مدل قویتر مقایسه کنیم: 🤖 Logistic Regression 🌳 Random Forest…
Day24_Model_Comparison_Solution.py
10.8 KB
✅ پاسخ چالش روز 24
امروز Logistic Regression و Random Forest را برای پیشبینی ریزش مشتری مقایسه کردیم. 🤖🌳
📊 نتیجه مهم:
🔹 Random Forest نسبت به مدل قبلی Recall بهتری داشت.
🔹 با فعالکردن
🔹 این مدل توانست تعداد بیشتری از مشتریان واقعی در معرض ریزش را شناسایی کند.
نکته امروز:
در مسائل Churn، همیشه بالاترین Accuracy به معنی بهترین مدل نیست؛ گاهی شناسایی مشتریان پرریسک اهمیت بیشتری دارد.
https://t.me/learnpythonicy
#Python #MachineLearning #RandomForest #LogisticRegression #CustomerChurn
امروز Logistic Regression و Random Forest را برای پیشبینی ریزش مشتری مقایسه کردیم. 🤖🌳
📊 نتیجه مهم:
🔹 Random Forest نسبت به مدل قبلی Recall بهتری داشت.
🔹 با فعالکردن
class_weight="balanced"، Recall مدل Logistic Regression از ۱۵.۳۸٪ به ۷۲.۸۵٪ رسید.🔹 این مدل توانست تعداد بیشتری از مشتریان واقعی در معرض ریزش را شناسایی کند.
نکته امروز:
در مسائل Churn، همیشه بالاترین Accuracy به معنی بهترین مدل نیست؛ گاهی شناسایی مشتریان پرریسک اهمیت بیشتری دارد.
https://t.me/learnpythonicy
#Python #MachineLearning #RandomForest #LogisticRegression #CustomerChurn
❤1