Fiche de GEILER Louis

Titre : Deep Learning for Churn Prediction
Date : 7 décembre 2022
Heure: 10:00
Résumé : Le problème de la prédiction de l'attrition est généralement réservé aux équipes de marketing. Cependant, grâce aux avancées technologiques, de plus en plus de données peuvent être collectés afin d'analyser le comportement des clients. C'est dans ce cadre que cette thèse s'inscrit, plus particulièrement par l'exploitation des méthodes d'apprentissages automatiques. Ainsi, nous avons commencés par étudier ce problème dans le cadre de l'apprentissage supervisé. Nous avons montré que la combinaison en ensemble de la régression logistique, des forêt aléatoire et de XGBoost offraient les meilleurs résultats en terme d'Aire sous la courbe (Are Under the Curve, AUC). Nous avons également montré que les méthodes du type ré-échantillonage jouent uniquement un rôle local et non pas global.
Lieu : 45 rue des Saints Pères, 75006, Paris - salle R229