Proiect churn (3/6): primele modele
Datele sunt pregătite. Acum compari mai mulți candidați, corect: același pipeline de preprocesare, aceeași validare încrucișată stratificată, aceleași metrici. Pornești de la un baseline care nu învață nimic, apoi încerci regresia logistică, pădurea aleatoare și gradient boosting. La final ai un tabel comparativ din care alegi modelul pe care îl optimizezi în lecția următoare.
Modulul proiectului: churn.py
Codul din lecția trecută stă acum în churn.py (îl vezi în lista de fișiere). Lecțiile 323–325 îl importă cu import churn:
"""Proiectul churn: încărcarea datelor, caracteristicile și preprocesarea (din lecția 322).""" import pandas as pd from sklearn.compose import make_column_transformer from sklearn.pipeline import make_pipeline from sklearn.impute import SimpleImputer from sklearn.preprocessing import StandardScaler, OneHotEncoder
Compară cei 4 candidați (baseline, regresie logistică, pădure aleatoare, gradient boosting) cu validare încrucișată și afișează un tabel sortat după AUC.
- Definește dicționarul modele cu Baseline (DummyClassifier(strategy="most_frequent")), Logistic (LogisticRegression(max_iter=1000)), RandomForest (RandomForestClassifier(n_estimators=100, random_state=42)) și GradientBoosting (GradientBoostingClassifier(random_state=42)).
- Pentru fiecare, rulează cross_validate(make_pipeline(churn.preprocesare(), m), X_train, y_train, cv=cv, scoring=METRICI) și păstrează media fiecărei metrici.
- Construiește un DataFrame cu coloanele model, recall, precizie, f1, auc, rotunjit la 3 zecimale, sortat descrescător după auc, și afișează-l cu to_string(index=False).
- Afișează Cel mai bun după AUC: ....
Restul explicațiilor, editorul și verificarea automată se deblochează cu Junior ML Engineer.

Iulian Pahom
Catalina Ioana Dan
Laura Chiriazi