‘churn’ 열을 예측해줘. 다음 달에 어떤 고객이 떠날지…

누구나 볼 수 있는 공개 기록입니다. 읽기 전용.

사용자의 요구

‘churn’ 열을 예측해줘. 다음 달에 어떤 고객이 떠날지 알고 싶어

대화

  1. ML 엔지니어 1,200행, 8개 항목을 읽었습니다. 답의 기준은 ‘churn’ 열로 잡았습니다. 아래에서 맞는지 확인해 주세요.
  2. 질문한 사람 ‘churn’ 열을 예측해줘. 다음 달에 어떤 고객이 떠날지 알고 싶어
  3. ML 엔지니어 'churn' 열을 예측하는 이진 분류 작업으로 계획합니다. 등록된 과제 조건에 따라 정답 열은 churn, 지표는 balanced_accuracy, 입력은 전체 허용 입력 열, 결과 제공은 model로 제안합니다. 다음 단계는 이 계획을 DECISION.json에 기록하는 것입니다.
  4. ML 엔지니어 첫 모델을 만듭니다. 여러 방법을 시험해 가장 나은 것을 고르고, 마지막에 처음 보는 데이터로 한 번 더 확인합니다.
  5. ML 엔지니어 하네스 기본 후보를 시험했습니다. 균형 정확도 63.1%. 지금까지 가장 좋습니다. 최종 확인은 마지막에 처음 보는 데이터로 합니다.
  6. ML 엔지니어 가장 좋은 후보로 마무리합니다. 에이전트의 마지막 판단을 확인할 수 없어 시험을 멈췄습니다. 비용 기록은 그대로 둡니다. 지금까지 가장 좋은 후보만 처음 보는 데이터로 최종 확인합니다.
  7. ML 엔지니어 최종 확인을 마쳤습니다. 모델이 학습에 쓰지 않은 데이터에서 균형 정확도 64.9%입니다. 아래 보관된 모델 카드에서 이 결과로 예측을 시험해 볼 수 있습니다.
  8. 질문한 사람 왜 이 점수가 나왔어?
  9. ML 엔지니어 최종 확인 점수는 학습에 쓰지 않은 데이터 240건에서 측정한 균형 정확도 64.9%입니다. 이 모델은 하네스가 만든 기본 모델로, 숫자 열은 중앙값으로 채우고 나머지 열은 최빈값으로 채운 뒤 순서형 코드로 바꿔 히스토그램 그래디언트 부스팅에 넣는 방식입니다. 개발 데이터에서 항목별 영향을 보면 support_calls를 섞었을 때 12.2%p, plan은 1.7%p, monthly_fee는 1.1%p 점수가 떨어졌고, age와 data_usage_gb는 영향이 거의 없었습니다. 다만 영향이 크다고 해서 그것이 원인이라는 뜻은 아닙니다.
  10. 질문한 사람 어떤 항목이 결과에 가장 큰 영향을 줬어?
  11. ML 엔지니어 개발 데이터에서 항목별 영향을 보면 support_calls를 섞었을 때 12.2%p로 가장 크게 떨어졌고, plan은 1.7%p, monthly_fee는 1.1%p였습니다. age와 data_usage_gb는 영향이 거의 없었습니다. 다만 영향이 크다고 해서 그것이 원인이라는 뜻은 아닙니다.
  12. 질문한 사람 이 모델 믿고 써도 돼?
  13. ML 엔지니어 최종 확인 점수는 학습에 쓰지 않은 데이터 240건에서 측정한 균형 정확도 64.9%입니다. 이 모델은 하네스가 만든 기본 모델이고, 개발 데이터에서 support_calls를 섞었을 때 12.2%p로 가장 크게 떨어졌으며 plan은 1.7%p, monthly_fee는 1.1%p였습니다. 다만 영향이 크다고 해서 그것이 원인이라는 뜻은 아니며, 이 대화에서 재학습이나 새 평가는 바로 실행되지 않습니다. 참고용으로만 쓰시고, 실제 결정 전에는 별도 검증을 해보시는 것을 권합니다.
  14. 질문한 사람 더 좋게 만들 수 있어?
  15. ML 엔지니어 이 대화에서 재학습이나 새 평가는 바로 실행되지 않습니다. 대신 왼쪽 '+ 새 작업'에서 다른 데이터 파일로 새 모델을 만들어볼 수 있고, 이미 쓴 같은 파일은 평가 데이터가 섞이지 않도록 새 작업에 다시 쓸 수 없습니다. 현재 모델은 하네스가 만든 기본 모델로, 학습에 쓰지 않은 데이터 240건에서 측정한 균형 정확도는 64.9%입니다.
  16. 질문한 사람 결과를 엑셀로 받을 수 있어?
  17. ML 엔지니어 엑셀 파일로 바로 내보내는 기능은 없습니다. 대신 대화 아래 '보관된 모델' 카드의 '예측해보기'에서 한 건 직접 입력하거나 JSON, CSV·JSON 파일(최대 100건, 2MB)로 예측하고 결과를 표로 볼 수 있습니다. 같은 카드의 '모델·소스 받기'로 학습된 전처리·모델 파일과 학습 소스, 실행 안내를 zip으로 내려받을 수 있습니다.