Clone

$ git clone https://github.com/thimyxuan/newsletter-conversion-rate.git

Dépendances

$ pip install library_name

Pour utiliser ce projet vous aurez besoin d'installer les librairies ci-dessous.

Stack technique

• Python
• Numpy
• Pandas
• Matplotlib
• Seaborn
• Sklearn
• Imblearn

Sujet

www.datascienceweekly.org souhaite connaître les facteurs qui influencent les visiteurs à s'abonner à la newsletter.

Dans cette étude nous analysons les caractéristiques des visiteurs du site web et en particulier ceux qui s'abonnent à la newsletter. Nous créons un modèle de machine learning supervisé pour prédire avec précision si un utilisateur s'abonnera ou pas.

Problématique

Le but :

• Utiliser l'EDA pour comprendre quels facteurs influencent les utilisateurs à s'abonner à la newsletter
• Utiliser les techniques de machine learning supervisé pour prédire si un utilisateur s'abonnera ou pas
• Trouver des solutions pour améliorer la performance du modèle dans un cas de classification binaire déséquilibrée

Plan

PARTIE 1 - EDA & prétraitement des données

• Nettoyage des données (valeurs abberrantes)
• Statistiques basiques
• Visualisations

PARTIE 2 - Modèle de classification de base

• Modèle de régression logistique
• Preprocessings Sklearn
• Entraînement & prédictions
• Rapport de classification & matrices de confusion

PARTIE 3 - Amélioration du modèle de base

• Sur-échantillonnage SMOTE
• Modèle Random Forest
• Entraînement & prédictions
• Rapport de classification & matrices de confusion
• Importance des features
• Challenge : prédictions sur les données sans label

PARTIE 4 - Conclusion & recommandations