Juniper Membership meminta model penskoran yang dapat direproduksi dan menerima input mentah. Data fiktif ini memiliki sesi yang hilang dan satu paket trial baru. Serahkan pipeline persiapan/klasifikasi yang sudah di-fit, probabilitas data holdout, recall dan presisi pada .4, serta skor berindeks untuk new_customers. Jangan menyimpulkan efek penawaran retensi dari metrik prediksi.
Juniper Membership membutuhkan serah terima skor risiko churn yang dapat direproduksi. Tabel fiktif ini berisi jumlah sesi, lama berlangganan, tiket dukungan, dan nama paket. Ada jumlah sesi yang hilang, dan paket trial muncul setelah sampel pelatihan. Bangun satu pipeline yang sudah di-fit yang menerima kolom mentah tersebut dan mengembalikan probabilitas kelas 1.
Manajer telah menetapkan ambang peringatan .4 untuk latihan ini. Laporkan recall dan presisi pada ambang tersebut, lalu susun skor pelanggan baru bersama ID baris aslinya. Metrik tersebut menggambarkan classifier offline, bukan efek dari penawaran retensi. Setiap langkah melanjutkan pekerjaan notebook sebelumnya. Jauhkan hasil holdout dari proses fit model dan pertahankan baris baru dalam urutan aslinya agar analis lain dapat menggabungkan skor kembali ke catatan sumber.
Cabang yang belum di-fit menjelaskan resep persiapan. Model lengkap akan mempelajari statistiknya dari baris data latih.