Учебный проект "In One Click" по теме "Обучение с учителем"

Краткое описание проекта "In One Click"

Интернет-магазин «В один клик» продаёт товары для детей, дома, мелкую бытовую технику, косметику и продукты. В последнее время наблюдается снижение активности покупателей. Вместо привлечения новых клиентов компания решила удерживать постоянных с помощью персонализированных предложений. Задача проекта — разработать модель машинного обучения для предсказания снижения покупательской активности и сегментировать клиентов для повышения их вовлечённости на основе анализа данных.

Цели проекта

• Построить модель, предсказывающую вероятность снижения покупательской активности в следующие три месяца.
• Проанализировать данные о коммуникациях, продуктовом и покупательском поведении, а также поведении на сайте.
• Выделить сегменты клиентов на основе модели и данных о прибыльности, предложить стратегии повышения активности.
• Оценить важность признаков и дать рекомендации для бизнеса.

Данные

Использовались четыре таблицы:

1. market_file.csv — данные о поведении на сайте, коммуникациях и продуктовом поведении.
2. market_money.csv — данные о выручке по клиентам и периодам.
3. market_time.csv — данные о времени, проведённом на сайте.
4. money.csv — данные о средней месячной прибыли с клиента за последние три месяца.

Предобработка данных

• Проверка и исправление ошибок в данных.
• Устранение дубликатов.
• Переименование столбцов в соответствии с PEP8.
• Объединение таблиц и создание новых признаков.

Модели машинного обучения и результаты

Для предсказания снижения покупательской активности использовались и сравнивались следующие модели:

1. Метод опорных векторов (SVC)
2. Логистическая регрессия
3. Метод k-ближайших соседей (KNN)
4. Дерево решений (DecisionTreeClassifier)

Метрика и подход:

• Основная метрика — F1-score (баланс между precision и recall).
• Использованы пайплайны для предобработки данных.
• Гиперпараметры подбирались с помощью GridSearchCV.
• Стратифицированная кросс-валидация для надёжности оценок.

Анализ важности признаков

С помощью SHAP анализа выявлены наиболее влиятельные признаки:

• - 'Страниц_за_визит'