Explainable Customer Churn Prediction in Telecom Using Ensemble Learning and SHAP Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Predicting customer churn is crucial for telecommunications companies, as retaining existing customers is more cost-effective than acquiring new ones.This work proposes a novel Stacking ensemble framework integrating five base classifiers: Decision Tree, Random Forest, Extra Trees, Gradient Boosting, and XGBoost, designed to accurately predict churn while providing interpretable explanations of model decisions.The methodology involves comprehensive data preprocessing, including outlier detection, handling of high-cardinality categorical variables, normalization and application of Synthetic Minority Over-sampling Technique (SMOTE), a technique to construct the synthetic samples of the minority group to overcome the class imbalance on a training set of 3,333 samples.Ensemble methods such as Soft Voting, Hard Voting, and the proposed Stacking approach are evaluated, with the Stacking ensemble achieving superior performance 94.75% accuracy, 73.20% recall, 88.75% precision, and an F1score of 80.23%.This represents a 3.09% improvement over the best previously reported accuracy of 91.66% and outperforms individual models, including XGBoost (F1-score 79.14%).Model interpretability is enhanced through Shapley additive explanations (SHAP), highlighting total day minutes, international plan subscription, and account length as key predictors influencing churn.The proposed framework offers a reliable and transparent tool for churn prediction applicable in business contexts requiring explainable AI.Future work will explore integrating temporal deep learning models and real-time updated data to further improve predictive performance across diverse industries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle