89artur / 89artur/ML_supervised_learning
Улучшение проекта
- Vorherrschende Sprache
- Jupyter Notebook
- Sterne
- 0
- Forks
- 0
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Beschreibung
### Основная проблема проекта
основной проблемой проведенного анализа то что пользователи с вероятностью снижения покупательской активности больше 0.8 (80%) имеют схожее поведение с общей группой пользователей по данным нам признакам. Явных особенностей не отмечается.
### Рекомендации по дальнейшим шагам и развитию проекта
необходимо больше признаков, чтобы определить с чем связано, от чего зависит снижение покупательской активности
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Rechercherichtung
The issue is about feature engineering for a supervised learning project to predict customer churn. Start by examining the existing Jupyter notebooks to understand the current dataset and model. Look for areas where new features could be derived or external data could be integrated. The goal is to improve model performance by identifying features that distinguish high-risk users.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Bereich
- machine-learning
- Issue-Typ
- Feature
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- Über eine Woche
- Aktivitätsstatus
- Veraltet
- Klarheit
- Muss geklärt werden
- Anfängerfreundlichkeit
- 25/100