موديل تحليل نوع العميل بناء على سلوكه الشرائي
منذ أسبوع
عرض العمل
الوصف
مشروع Supervised Learning لتصنيف 50,000 عميل في متجر تجزئة إلى 4 شرائح: Occasional وHigh_Value وLoyal وRegular، بناءً على بيانات زي الدخل السنوي ومتوسط الإنفاق الشهري وتكرار الشراء ومعدل استخدام الخصومات ومعدل المرتجعات ووقت التصفح.
الخطوات:
تنظيف البيانات ومعالجة القيم المفقودة بالـ median
ترميز المتغيرات النصية (Encoding)
تحليل استكشافي (EDA): توزيع الشرائح، الـ outliers، الـ correlation
تقسيم البيانات 80/20 وتطبيق StandardScaler
مقارنة 9 موديلات: Logistic Regression, Decision Tree, Naive Bayes, SVC, KNN, Random Forest, AdaBoost, Gradient Boosting, XGBoost
النتيجة: أفضل موديل كان Gradient Boosting بدقة (accuracy) حوالي 75.5% وF1-score حوالي 0.75. أضعف شريحة في التصنيف كانت Regular.
الأدوات: Python, Pandas, Scikit-learn, XGBoost, Seaborn, Matplotlib
التفاصيل
| المشاهدات | 0 |
| المفضلة | 0 |
| القسم | برمجة, تطوير المواقع و التطبيقات - اخري |
حساب المستخدم
العربية
English