使用 Watson Studio 和 Jupyter Notebook 构建客户流失预测器  

使用 IBM Watson Studio 解决业务问题并使用 Telco 客户流失数据集预测客户流失

| By Heba El-Shimy, Scott D’Angelo

Description

本 Code Pattern 将指导您完成一个数据科学项目的完整周期。首先从业务角度了解问题 – 在这里我们采用了客户流失问题。然后,使用可用数据集来获取洞察,并构建一个用于未来数据的预测模型。将该模型部署到生产中,并使用它对从用户界面收集的数据进行评分。

概览

客户流失,即客户终止与企业的合作关系,是决定企业收入的最基本因素之一。您需要知道哪些客户是忠诚的,哪些客户有流失的风险,还需要从客户的角度了解影响这些决策的因素。本 Code Pattern 将介绍如何构建机器学习模型,并用它来预测客户是否有流失的风险。这是一个完整的数据科学项目,稍后您可以使用您的模型发现的结果执行规范分析,或执行针对性营销。

完成本 Code Pattern 后,您将掌握如何:

  • 使用 Jupyter Notebook 加载、可视化和分析数据。
  • 在 IBM Watson Studio 中运行 Notebook。
  • 从 IBM Cloud Object Storage 加载数据。
  • 使用 scikit-learn 构建、测试和比较不同的机器学习模型。
  • 使用 Watson Studio 将选定的机器学习模型部署到生产中。
  • 创建一个前端应用程序来连接客户端,并开始使用已部署的模型。

  1. 理解业务问题。
  2. 将提供的 Notebook 加载到 Watson Studio 平台。
  3. 将 Telco 客户流失数据集加载到 Jupyter Notebook。
  4. 在该 Notebook 中描述、分析和可视化该数据。
  5. 预处理数据,构建机器学习模型并进行测试。
  6. 将选定的机器学习模型部署到生产中。
  7. 通过前端应用程序连接并使用您的模型。

Instructions

请在 README 中了解详细的操作说明。这些操作说明展示了如何:
  1. 注册使用 Watson Studio。
  2. 创建一个新项目。
  3. 上传数据集。
  4. 将 Notebook 导入 Watson Studio。
  5. 将数据集导入 Notebook。
  6. 按照 Notebook 中的步骤进行操作。
  7. 创建 Watson Machine Learning Service 实例。
  8. 部署到 IBM Cloud 或本地。

相关博客

相关链接

英文原文

本文翻译自:Build a customer churn predictor using Watson Studio and Jupyter Notebooks(2018-11-7)