توقع انسحاب العملاء (Customer Churn Prediction) باستخدام Random Forest و XGBoost
تفاصيل العمل
مشروع Machine Learning لتوقع احتمالية انسحاب العملاء (Customer Churn) بناءً على بيانات الاستخدام والتعاملات، باستخدام Random Forest و XGBoost. خطوات العمل: تنظيف ومعالجة البيانات (Data Cleaning & Preprocessing) والتعامل مع القيم الناقصة تحليل استكشافي للبيانات (EDA) لفهم أسباب الانسحاب بناء وتدريب نموذجين (Random Forest و XGBoost) ومقارنة أدائهم تقييم النموذج باستخدام مقاييس Accuracy وPrecision وRecall وF1-Score وConfusion Matrix اختيار النموذج الأفضل أداءً بناءً على النتائج الأدوات المستخدمة: Python, Pandas, Scikit-learn, XGBoost, Matplotlib/Seaborn البيانات المستخدمة Dataset جاهز من Kaggle لتوقع انسحاب عملاء شركة اتصالات/اشتراكات.
مهارات العمل
