A Juniper Membership pede um modelo de pontuação reproduzível que aceite entradas brutas. Os dados fictícios têm sessões ausentes e um novo plano trial. Entregue um pipeline ajustado de preparação e classificação, probabilidades com dados reservados, sensibilidade e precisão em .4 e pontuações indexadas para new_customers. Não deduza o efeito das ofertas de retenção a partir das métricas de predição.
A Juniper Membership precisa de uma entrega reproduzível de pontuações de risco de cancelamento. A tabela fictícia tem contagens de sessões, tempo de relacionamento, chamados de suporte e nomes de plano. Há contagens de sessões ausentes, e um plano trial aparece depois da amostra de treinamento. Crie um único pipeline ajustado que aceite essas colunas brutas e devolva probabilidades da classe 1.
Neste exercício, a pessoa responsável definiu um limiar de alerta de .4. Informe a sensibilidade e a precisão nesse limiar e depois prepare as pontuações dos clientes novos junto com os IDs originais das linhas. Essas métricas descrevem um classificador avaliado offline, e não o efeito de uma oferta de retenção. Cada etapa continua o trabalho anterior do notebook. Mantenha os resultados reservados fora do ajuste do modelo e preserve as linhas novas na ordem original para que outra pessoa possa unir as pontuações aos registros de origem.
Uma ramificação sem ajuste descreve a receita de preparação. O modelo completo aprenderá suas estatísticas com as linhas de treinamento.