Juniper Membership pide un modelo de puntuación reproducible que acepte entradas sin procesar. Los datos ficticios tienen sesiones que faltan y un plan trial nuevo. Entrega un pipeline ajustado de preparación y clasificación, probabilidades con datos reservados, sensibilidad y precisión con .4, y puntuaciones indexadas para new_customers. No deduzcas el efecto de las ofertas de retención a partir de las métricas de predicción.
Juniper Membership necesita una entrega reproducible de puntuaciones de riesgo de baja. La tabla ficticia tiene recuentos de sesiones, antigüedad, incidencias de soporte y nombres de plan. Faltan algunos recuentos de sesiones, y un plan trial aparece después de la muestra de entrenamiento. Crea un único pipeline ajustado que acepte esas columnas sin procesar y devuelva probabilidades de la clase 1.
En este ejercicio, el responsable ha fijado un umbral de alerta de .4. Informa de la sensibilidad y la precisión con ese umbral y después prepara las puntuaciones de los clientes nuevos junto con los ID originales de las filas. Esas métricas describen un clasificador evaluado sin conexión, no el efecto de una oferta de retención. Cada paso continúa el trabajo anterior del cuaderno. Mantén los resultados reservados fuera del ajuste del modelo y conserva las filas nuevas en su orden original para que otra persona pueda unir las puntuaciones a los registros de origen.
Una rama sin ajustar describe la receta de preparación. El modelo completo aprenderá sus estadísticos con las filas de entrenamiento.