Сотрудники отдел маркетинга компании Мегафон знают, как важно быть максимально внимательными к нуждам клиентов, но при этом не навязчивыми. Поэтому они разработали промо-акцию для тех, кто не очень удовлетворен качеством услуг и подумывает о смене провайдера связи. Это специальный тарифный план с очень большой скидкой для удержания таких клиентов.
Для того, чтобы окончательно оценить бюджет этой кампании на следующий месяц, маркетологам нужна помощь дата-сайентистов. Важно определить именно тех клиентов, которые на грани ухода и удержать их.
Вам, необходимо предсказать: уйдет ли этот клиент в течение следующего месяца или нет.
Для того, чтобы потренироваться у вас есть данные о клиентах американской телекоммуникационной компании.
В наборе данных, на который рассчитаны задания этого чемпионата, собраны данные о пользователях телекоммуникационной компании:
State — штат
Account length — как долго этот клиент с компанией (количество дней)
Area code — код географической зоны
International plan — подключен ли специальный тариф для международных звонков
Voice mail plan — подключен ли сервис голосовых сообщений
Number vmail messages — количество отправленных голосовых сообщений
Total day minutes — продолжительность разговоров в дневное время (минуты)
Total day calls — количество звонков в дневное время
Total day charge — расходы на звонки в дневное время
Total eve minutes — продолжительность разговоров в вечернее время (минуты)
Total eve calls — количество звонков в вечернее время
Total eve charge — расходы на звонки в вечернее время
Total night minutes — продолжительность разговоров в ночное время (минуты)
Total night calls — количество звонков в ночное время
Total night charge — расходы на звонки в ночное время
Total intl minutes — продолжительность разговоров в международных время (минуты)
Total intl calls — количество звонков в международных время
Total intl charge — расходы на звонки в международных время
Customer service calls — количество обращений в службу поддержки
Churn — текущий статус клиента (ушел/остался). Целевая переменная
Требуется написать на языке Python функцию Add(x, y), которая принимает два числа и возвращает их сумму.
Пример использования функции в примерах тестов.
Формат выходных данных
Код решения должен содержать только определение и реализацию функции. Он не должен
ничего выводить.
Дан вектор произвольной размерности. Необходимо посчитать так называемую норму L1
для этого вектора.
Норма L1 — это сумма абсолютных величин компонент вектора
(абсолютная величина вычисляется функцией abs).
Формат входных данных
Входные данные содержат целые числа — компоненты вектора, записанные в одной строке через пробел.
Формат выходных данных
Выходные данные должны содержать одно целое число — норму L1 этого вектора.
Требуется реализовать на языке Python функцию, отображающую оценку плотности распределения столбца данных. Функция должна иметь следующий интерфейс
import pandas as pd
from typing import Union
def draw_pdf(data: pd.DataFrame, column: str, bins: Union[int, str] = 10) -> None:
"""
Отображает оценку плотности распределения столбца данных
Параметры:
data: таблица данных.
column: название столбца для отображения.
bins: спецификация интервалов разбиения, аналогично matplotlib.pyplot.hist.
"""
pass
Стиль оформления графика (цвета, границы, толщину линий, подписи и т.п.) должен соответствовать представленному ниже. Границы значений оси абсцисс должны быть равны минимальному и максимальному значению отображаемого столбца.
Формат выходного файла
Код решения должен содержать только реализацию функции и импортируемые модули.
Код НЕ должен самостоятельно создавать фигуры или сохранять изображение в файл.
Требуется реализовать на языке Python функцию, отображающую долю целевых значений при каждом уникальном значении категориального признака. Функция должна иметь следующий интерфейс
import pandas as pd
def draw_bars(data: pd.DataFrame, column: str, target_column: str) -> None:
"""
Отображает долю целевых значений `target_column` при каждом уникальном значении категориального признака `column` в виде слолбчатой диаграммы.
Параметры:
data: таблица данных.
column: название категориального признака.
target_column: название целевой переменной.
"""
pass
Стиль оформления графика (цвета, границы, подписи, ширина колонок и т.п.) должен соответствовать представленному ниже. Цвета столбцов должны быть получены из палитры tab10. Вклад долей менее 5% не должен быть подписан на графике.
Формат выходного файла
Код решения должен содержать только реализацию функции и импортируемые модули.
Код НЕ должен самостоятельно создавать фигуры или сохранять изображение в файл.
Требуется на языке Python реализовать функцию
get_businessmen(df: pd.DataFrame)
Функция принимает на вход объект DataFrame библиотеки
Pandas и возвращает DataFrame пользователей,
совершивших 20 и более международных звонков.
В объекте DataFrame присутствуют следующие поля:
ID — идентификатор пользователя, целое уникальное число
Total day minutes — сумма минут дневных звонков, вещественное число
Total day calls — количество дневных звонков, целое число
Total night minutes — сумма минут ночных звонков, вещественное число
Total night calls — количество ночных звонков, целое число
Total intl minutes — сумма минут международных звонков, вещественное число
Total intl calls — количество международных звонков, целое число
Customer service calls — количество обращений в техническую поддержку, целое число
Функция имеет следующий интерфейс
import pandas as pd
def get_businessmen(df: pd.DataFrame) -> pd.DataFrame:
"""
Возвращает DataFrame, оставляя в нём только пользователей из df,
совершивших 20 и более международных звонков
Параметры:
df: исходный DataFrame
Возвращаемое значение:
отфильтрованный DataFrame
"""
pass
Формат выходных данных
Код решения должен содержать импортируемые модули, определение и реализацию функции.
Примеры тестов
№
Входной файл (data.csv)
Стандартный выход
1
# Пример вызывающего кода
import pandas as pd
df = pd.read_csv('data.csv')
businessmen = get_businessmen(df)
Требуется на языке Python реализовать функцию join_dataframes(users_df: pd.DataFrame, states_df: pd.DataFrame) Функция принимает на вход два объекта DataFrame и возвращает объединённый DataFrame пользователей и штатов.
import pandas as pd
def join_dataframes(data: pd.DataFrame, states: pd.DataFrame) -> pd.DataFrame:
"""
Возвращает объединённый DataFrame
Параметры:
data: DataFrame с пользователями
states: DataFrame с штатами
Возвращаемое значение:
объединённый DataFrame, содержащий поля 'Total day calls', 'Total night calls', 'State' в данном порядке
"""
pass
Формат выходных данных
Код решения должен содержать импортируемые модули, определение и реализацию функции.
Примеры тестов
№
Входной файл (data.csv)
Стандартный выход
1
import pandas as pd
states = pd.read_csv('states.csv', index_col='ID')
data = pd.read_csv('data.csv', index_col='ID')
joined_df = join_dataframes(data, states)
Total day calls Total night calls State
ID
1 110 91 OK
2 123 103 OK
3 114 104 OK
4 71 89 OK
5 113 121 OK
6 98 118 KS
7 88 118 OH
8 79 96 NJ
9 70 12 OK
10 61 311 AL
Требуется на языке Python реализовать функцию get_busiest_states(data: pd.DataFrame)Функция принимает на вход объект DataFrame и возвращает Series, отсортированный по убыванию, в котором штаты являются индексами, а значения — количеством международных звонков в данном штате.
Функция имеет следующий интерфейс
import pandas as pd
def get_busiest_states(data: pd.DataFrame) -> pd.Series:
"""
Вычисляет Series, в котором индексы - наименования штатов, а значение - количество совершённых международных звонов.
Параметры:
data: DataFrame с данными
Возвращаемое значение:
Series отсортированный по убыванию значений.
"""
pass
Требуется на языке SQL реализовать запрос, который обращается к таблице
data и возвращает список ID пользователей,
совершивших 20 и более международных звонков.
В таблице data присутствуют следующие поля:
ID — идентификатор пользователя, целое уникальное число
Total day minutes — сумма минут дневных звонков, вещественное число
Total day calls — количество дневных звонков, целое число
Total night minutes — сумма минут ночных звонков, вещественное число
Total night calls — количество ночных звонков, целое число
Total intl minutes — сумма минут международных звонков, вещественное число
Total intl calls — количество международных звонков, целое число
Customer service calls — количество обращений в техническую поддержку, целое число
Решение следует представить в виде текстового файла, содержащего единственный SQL-запрос.
При отправке следует выбирать среду разработки Python.
Изучив набор данных, подсчитайте некоторые предварительные статистики,
которые помогут лучше понять структуру проблемы
(см. также пример в базовом решении):
Вычислите, какую долю клиентов уже потеряла компания.
Ответ округлите до ровно четырех знаков после десятичной точки,
в качестве разделителя целой и дробной части используйте точку (".") Поле State содержит названия штатов, подсчитайте количество уникальных значений
этого признака.
На основании корреляционного анализа из набора данных можно исключить поля:
StateAccount lengthArea codeInternational planVoice mail planNumber vmail messagesTotal day minutesTotal day callsTotal day chargeTotal eve minutesTotal eve callsTotal eve chargeTotal night minutesTotal night callsTotal night chargeTotal intl minutesTotal intl callsTotal intl chargeCustomer service callsChurn
Задача G1. Предсказание оттока клиентов: классификация
≡
В рамках данной задачи требуется обучить модель на тренировочных данных, предсказывающую уйдёт ли клиент в течение следующего месяца. В качестве решение необходимо предоставить предсказание на тестовом наборе данных.
Вы можете использовать базовое решение в качестве начальной точки вашей работы.
Точность предсказания оценивается с использованием метрики F-beta с параметром β = 2.
Баллы за задачу начисляются по следующей формуле score = 100⋅f2_score(y_true, y_pred)
Формат входного файла
В датасете собраны данные о пользователях телекоммуникационной компании:
State — штат
Account length — как долго этот клиент с компанией (количество дней)
Area code — код географической зоны
International plan — подключен ли специальный тариф для международных звонков
Voice mail plan — подключен ли сервис голосовых сообщений
Number vmail messages — количество отправленных голосовых сообщений
Total day minutes — продолжительность разговоров в дневное время (минуты)
Total day calls — количество звонков в дневное время
Total day charge — расходы на звонки в дневное время
Total eve minutes — продолжительность разговоров в вечернее время (минуты)
Total eve calls — количество звонков в вечернее время
Total eve charge — расходы на звонки в вечернее время
Total night minutes — продолжительность разговоров в ночное время (минуты)
Total night calls — количество звонков в ночное время
Total night charge — расходы на звонки в ночное время
Total intl minutes — продолжительность разговоров в международных время (минуты)
Total intl calls — количество звонков в международных время
Total intl charge — расходы на звонки в международных время
Customer service calls — количество обращений в службу поддержки
Churn — текущий статус клиента (ушел/остался). Целевая переменная
Формат выходного файла
В качестве решения необходимо загрузить файл в формате csv с единственным полем Churn — предсказанные на тестовой выборке значения целевой переменной.
Разделителем целой и дробной части в числах должна быть точка.
Задача G2. Предсказание оттока клиентов: загрузка решения
≡
В данной задаче необходимо отправить ссылку код для решения задачи классификации, например в виде jupyter notebook. В тексте решения необходимо отметить, какими методами были получены результаты, отправленные в систему, например указав в комментарии перед созданием файла для отправки id попытки, в которую был отправлен этот файл:
# Попытка 654321
submit = pd.DataFrame()
submit['Churn'] = my_model.predict(...)
submit.to_csv('submission.csv')
Формат выходных данных
В выходных данных укажите ссылку на решение (Google Colab, Github, Google Drive и др.).
