Update README.md

DS_diploma_project/README.md

@@ -1 +1,56 @@
+# Задача
 
+Оператор связи «Ниединогоразрыва.ком» хочет научиться прогнозировать отток клиентов. Если выяснится, что пользователь планирует уйти, ему будут предложены промокоды и специальные условия. Команда оператора собрала персональные данные о некоторых клиентах, информацию об их тарифах и договорах.
+
+# Навыки и инструменты
+- Pandas 
+- Sklearn 
+- Seaborn 
+- Lightgbm 
+- Matplotlib 
+- Numpy
+
+# Выводы
+
+В процессе предобработки данных:
+
+- изменили стиль наименования столбцов 
+- поменяли типы данных в столбцах total_charges, begin_date и end_date
+- заполнили пропуски в total_charges на montly_charges
+- добавили столбец с классами для целевого признака и дюрацией
+
+Далее объединили исходные данные, обработали пропуски. Провели исследование и общую подготовку данных. 
+
+Выяснили, что большинство ушедших клиентов
+
+- выбирали помесячную оплату
+- выбирали выставление счёта на электронную почту
+- выбирали электронный чек как средство оплаты
+- были как женщинами так и мужчинами
+- чаще не имели супруга/партнера
+- чаще использовали оптоволокно при подключении к интернету
+- реже пользовались технической поддержкой
+
+Также определили что больше всего уходят клиенты со средним чеком ~ 70-105. Чем больше дюрация сотрудничества тем меньше веротяность ухода клиента.
+
+Далее обработали и подготовили данные для моделей. Применили скалирование для количественных признаков и OHE для категориальных.
+
+Взяли три модели RandomForestClassifier, LGBMClassifier и CatBoostClassifier. Подобрали подобрали гиперпараметры и обучили.
+
+По итогу, наилучший результат показала модель **CatBoostClassifier**. 
+
+Протестировали лучшую модель и расчитали метрики. **ROC-AUC=0.9249 и Accuracy=0.8790**
+
+Наконец, провели анализ важности признаков  для лучшей модели. Наиболее важные признаки - days_duration и monthly_charges
+
+Все пункты первоначального плана были выполнены.
+
+- Загрузка данных и их начальная предобработка (типы, пропуски, дубликаты)
+- Объединение/склейка данных
+- EDA - Исследовательский анализ данных (посмотреть зависимости, вузализация, выводы)
+- Провести подготовку данных к моделированию (исследовать баланс классов, исключение признаков, нормализовать данные)
+- Выбор моделей машинного обучения (RandomForestClassifier, LGBMClassifier и CatBoostClassifier)
+- Обучение моделей
+- Выбрать лучшую модель (CatBoostClassifier)
+- Тестирование (ROC-AUC=0.9249 и Accuracy=0.8790)
+- Общий вывод/Составление отчета