بناء نموذج تنبؤ بانسحاب العملاء (Customer Churn Prediction) باستخدام Machine Learning

مشروع متكامل لتحليل بيانات عملاء شركة اتصالات (Telco Customer Churn Dataset) وبناء نموذج تعلم آلة للتنبؤ باحتمالية مغادرة العميل (Churn) للخدمة. خطوات العمل: تنظيف ومعالجة البيانات (Data Cleaning & Preprocessing): التعامل مع القيم الناقصة والمكررة، وتحويل الأعمدة النصية إلى قيم رقمية (Encoding). تحليل استكشافي شامل للبيانات (EDA) باستخدام Matplotlib وSeaborn لفهم العلاقة بين نوع العقد، مدة الاشتراك، الفواتير الشهرية، ونسبة الانسحاب. بناء نموذجين للتصنيف: Logistic Regression داخل Pipeline مع StandardScaler، وXGBoost Classifier. ضبط المعاملات (Hyperparameter Tuning) باستخدام GridSearchCV لتحسين أداء كل نموذج. تقييم النماذج بمقاييس: Accuracy، F1-score، ROC-AUC، Confusion Matrix، وClassification Report. مقارنة نهائية بين أداء النموذجين بشكل مرئي (Bar Chart). النتيجة النهائية: نموذج قادر على تحديد العملاء المعرضين لخطر ترك الخدمة، بما يساعد الشركات على اتخاذ قرارات استباقية للاحتفاظ بالعملاء.