Le désabonnement des clients a toujours été un problème important dans le secteur des télécommunications. L'identification rapide et précise des clients à risque élevé de désabonnement est essentielle pour améliorer la satisfaction client et la rentabilité opérationnelle. Avec l'essor de la prise de décision basée sur les données, la modélisation prédictive est devenue un outil crucial pour les opérateurs de télécommunications afin de réduire les risques de désabonnement. Cette étude s'appuie sur l'ensemble de données Telco Customer Churn disponible publiquement sur Kaggle et utilise R pour construire et évaluer trois modèles d'apprentissage automatique classiques : la régression logistique, l'arbre de décision et les voisins les plus proches (KNN). Ensuite, après le prétraitement, la sélection de caractéristiques et l'ajustement des hyperparamètres, les modèles sont évalués avec une métrique de score et une évaluation multi-métrique pour prédire le désabonnement des clients. Les résultats de la recherche ont montré qu'ils sont précis à 81,1 %, avec une précision de 72,5 % en exactitude et en interprétabilité par rapport à d'autres modèles, étant donné qu'il s'agit d'un modèle très interprétable, comme le montre également la courbe de caractéristiques de fonctionnement du récepteur (ROC). Tous les modèles ont des faiblesses spécifiques dans la prédiction des utilisateurs désabonnés ; cependant, dans l'ensemble, ils parviennent à obtenir de bons résultats précis. Cette étude peut offrir une base empirique et technique pour les entreprises industrielles du sud afin d'analyser le désabonnement et de gérer les données, ce qui est vital dans l'industrie des télécommunications.
Shixuan Wei (Mercredi,) a étudié cette question.