Kaggle-kkbox-churn-prediction
E-mail : [email protected]

結論 : KKBOX顧客流失預測挑戰賽共提供6張Tabel，檔案大小總和超過40G， 透過GCP的雲端環境可以突破記憶體的限制進行分析建模， 你可以在這裡找到搭建GCP環境的方法 :

• Initializing Projects of GCP and BigQuery Using Cloud Shell
• Analyzing KKBOX User_logs Using BigQuery and Datalab
  本次預測主要使用了RandomForest及XGBoost並搭配資料清理及特徵工程， 最終僅使用8樣特徵及達到Top5%，你可以在這裏找到過程的詳細解說 :
• Project-KKBOX churn prediction Top5% Based on GCP Environment
  
• 本次分析logloss -> 0.11, Top5%-Lift 9.2
• 你可以在這裡找到模型成效解釋[模型解釋策略]Lift Chart, Permutation Importance, LIME

以下會針對目標、指標、資料清理、特徵工程等部分進行說明

• 預測下個月使用者是否會流失 流失定義 : 方案到期之後沒有續約，且沒有在30天內進行續訂 舉例 :

User A 在3月被標記為流失 --> User A 在 0104日會員到期，沒有進行續訂，且在0203之前沒有進行續約

User B 在3月被標記為流失 --> User B 在 0131日會員到期，沒有進行續訂，且在0302之前沒有進行續約

User C 在3月被標記為留存 --> User C 在 0115日會員到期，沒有進行續訂，但在0212續訂了

• logloss
• Top5-Lift 你可以在這裡閱讀Top5-Lift應用於本專案的結果

• 共兩張 user_logs, user_logs_v2

• 共兩張 transactions, transactions_v2

定義 合約天數 = 會員到期日 - 交易日期
membership = mem_expire_date - trans_date

本次建模並沒有使用相當多的特徵，原本6張Tabel合併之後原始特徵就有20+項，然而大部分都沒有提供什麼訊息， 不過透過使用者ID(msno)，交易日期(trans_date)，上線聽歌紀錄(record)， 我們可以取出相當細緻的使用者行為，除了按照使用者ID將所有交易總和，聽歌記錄總和，得知對kkbox的依賴度之外， 我們亦可以透過時間窗口的大小(週，雙週，月，兩個月......)等來捕捉使用者行為，下表為特徵工程的構想動機，8項特徵之中就有6項與時間窗口有關 :

• Concatenation of Bigquery Table
• Comparison Getting Dataframe Using bigquery and using bigquery and storage streaming

• Lift Chart, Permutation Importance LIME