Les 5 étapes pour développer un modèle de Machine Learning!

Les 6 étapes pour bien développer un modèle de Machine Learning !

Petite remarque avant de commencer votre lecture : le contenu de cet article s'est inspiré de ce livre au cas où la science de donnée en marketing est un domaine qui t'intéresse et que tu voudrais vraiment te spécialiser .

Afin de comprendre vraiment le contenu de cet article, veuillez ne pas oublier de lire la parite " exmple pratique" de l'article.

Commençons : supposons donc que vous êtes débutant en data science, et que vous voudrez savoir comment sont composé les différentes étapes pour développer un modèle de machine learning !

Pour vous aider à les decouvrir et à les assimiler, voici donc les 6 principales étapes à mémoriser absolument pour ne pas vous perdre à vos débuts de votre apprentissage. Cette squelettes (les étapes-ci après ) restera la seule chose que vous continuerez à faire chaque fois que vous aurez à développer un modèle d'intelligence artificielle.

Premièrement, vous devez élucider le problème business. Il comprend trois points successifs à identifier absolument:

Point 1: quel est le problème commercial que l'entreprise veut résoudre? Qu'est que l'entrprise veut ?

Un exemple ici serait le cas où l'entreprise n'arrive pas à décider quel budget exact faut-il allouer pour une campagne marketing et combien en terme de chiffre d'affaire ce budget va faire entrer en retour ? Logiquement, lorsque ce problème est claire il peut être transformé dans sa signification informatique que le point 2 va chercher à donner une réponse:

Point 2 : ce problème renvoie-t-il à une situation supervisée ou non supervisée ?

Il existe en data science deux cas de figures dans les problèmes de machine learning: un problème supervisé, où existent une variable cible à prédire (c'est-à-dire à expliquer) et des variables d'entrées qui vont expliquer la prédiction. Ici, les variables explicatives de la predicrion sont connues d'avance.

Le deuxième cas de figure concerne un problème non supervisé: il n'y a pas à prédir quoique ce soit ici, car il n'y a pas de variable cible à prédire. c'est comme si les informations présentes dans nos données sont totalement inconnues et c'est notre modèle qui va identifier ces informations et les classer par groupes d'individus partageants des propriétés communnes par groupe. Ainsi, le terme supervisé renvoie à l'existence d'une variable cible à prédire tandis que "non-supervisé" renvoie à une "Segmentation " des données.

Point 3 : Et si le problème demande un modèle supervisé , répond-il à une régression ou à une classification ?

Alors, lorsque la supervision existe , elle fait appelle soit à un algorithme de régression, soit de classification. Attention : car les gens confondent souvent classification et segmentation. La première qui correspond à une prédiction d'une classe parmi d'autres bien connues d'avance, et la deuxième qui correspond à une identification de groupes inconnus dès le debut. Maintenant si la supervision n'est pas de la classification, alors elle est une regression.

Deux exempes avant d'entamer la deuxième étape de développement d'un modèle de machine learning:

Classification : si l'on veut par exemple prédir si un émail est de type spasm ou non spasm, si un client va se convertir ou pas, s'il va s'engager ou pas, ets.

Régression: si l'on veut prédire une tendance continue, comme le prix d'une maison en fonction de chaque mètre car qu'elle occupe et certains autres paramètres, etc. La première étape se termine ici.

En deuxième étape, vous allez effectuer une analyse exploratoire des données. Le but est de comprendre les données: l'impact des variables explicatives entre elles et vis-à-vis de la target dans un cas supervisé. On trouve ici, les statistiques descriptives et explicatives, la visualisation des tendances, la vérification d'une possible existence de redondance entre les variables explicatives (corrélations fortes entre les variables explicatives), la recherche des données manquantes ou dupliquées,...

En troisième étape, on prépare les données pour la modélisation: on cherchera ici à séparer les données en des variables explicatives(features) et une variable expliqué (la variable target: uniquement dans un cas supervisé ), à encoder les variables catégorielles, à sélectionner les variables explicatives d'importance prédictive, à supprimer toute asymétrie des données explicatives par une normalisation, à diviser les données en données d'entrainement et de teste...

En quatrième étape, vous allez vous servir des données d'entrainement et d'un algorithmes supervisé pour développer le modèle: soit un modèle de régression ou de classification supervisé ?

La cinquième étape consiste à évaluer le modèle. On cherchera à vérifier si le modèle est capable de Prédire à moindre erreur , une valeur correcte à partir de données inconnues : s'est-il bien généralisé? Ne soufre-il pas d'un biais ? Dans ce cas tout est bon. Sinon on recommence dès le début.

La sixième étape, enfin , constiste à déployer le modèle.afin que l'entreprise puisse l'utiliser facilement.

Tout parait simple vu sous cette squelette , mais il faut garder en tête que chacune de ces étapes implique un travail rigoureux pour que le modèle puisse devenir performant.

Exemple pratique :

Création d'un modèle de prédiction de la valeur à vie d'un client.

I- Problème business

Une entreprise manque assez de moyens pour lancer des campagnes marketing. Elle craint que soit trop insuffisant le budget disponible pour lancer ses campagnes. Elle ne veut pas être victime de coûts publicitaires trop élevés sur des clients qui ne vont pas effectuer des commandes. Elle décide donc d'identifier deux choses :

Arriver à estimer le budget exact qu'il faut allouer pour ne pas dépenser plus que ce qu'elle va gagner en retour.

Elle veut aussi découvrir les clients qui auront une très grande probabilité d'effectuer des commandes durant les trois mois prochains qui suivront leurs derniers achats, mais aussi ceux qui n'effectueront pas des commandes durant cette période.

Une solution à ces deux points consistera donc à estimer la valeur que chaque client de l'entreprise va dépenser durant cette période. Autrement dit, nous allons prédire la valeur à vie de client (la CLV).

D'une manière générale, la valeur à vie de clients permet :

1-De cibler uniquement les véritables acheteurs parmi tous vos clients: le coût d'acquisition pour les convertir aura alors été réduit et le bénéfice augmenté, puisqu'il sera dépensé uniquement pour les seuls clients qui vont effectuer des achats.

2-D'éviter de spammer les non-acheteurs de la future offres. Et à la place, vous faites une enquête pour comprendre toute raison de désabonnent, de non-achat, pour mieux les comprendre et bien les servir.

3-D'identifier les clients les plus rentables

4-À l'entreprise de savoir comment offrir le meilleur produit et gagner le plus d'argent ?

5-De segmenter les clients rentables.

La CLV auquelle nous souhaitons estimer est une variable continue : elle fait donc appel à l'utilisation d'un algorithme de régression.

II- Analyse exploratoire des données:

II-1 Importation des packages.

II-2 La data:

Nous utiliserons des données d'une entreprise commerciale siégeant au Royaume-Uni, dont les clients sont des grossistes.

Maintenant que les données sont importées, quelques vérifications de ces données sont importantes à effectuer:

II-3 Le nombre des lignes et des colonnes de notre table:

Un petit bout de code suffit:

II-4 Nettoyage des données et filtration des données incomplètes.

Ici, nous vérifions s'il existe de valeurs sans importances à notre objectif, comme les valeurs négatives sur des variables qui ne prennent normalement que des valeurs positives (les variables «UnitPrice» et «Quantity»), puis nous les éliminons. Ensuite, nous regardons si nous avons des données manquantes notamment au niveau des identifiants de clients, et les filtrons de même. Enfin nous vérifions s'il existe des valeurs incomplètes dans nos données et nous les éliminons.

Une petite vérification montre l'existence de valeurs incomplètes depuis le 10 décembre 2011: il n'y a pas eu de transactions le 10 jusqu'au 30 de ce mois en 2011. Du coup, nous avons procédé à une filtration du mois entier de décembre de cette année.

II-5 Analyse commerciale des transactions.

1-Tables des commandes.

Notre objectif ici est de regrouper les transaction en terme d'achats et leurs historiques : ce qui nous donne une vue globale des comportements d'achats des clients de l'entreprise. Nous procédons donc par rassembler d'abord toutes les commandes de chaque client.

Un réarrangement de cette même table de commande mous permet de comprendre en détaille les comportements d'achats des clients:

2-Interprétation: 1. Le client 12346.0 (la 1ère ligne) n'a effectué qu'une seule commande le 18 janvier 2011(Sa fréquente d'achat est de zéros). Dans cette Commande, ce client a opéré plusieurs transactions qui s'élèvent à 77183.6 $ en moyenne(Valeur moyenne monétaire). Son Montant maximum est de 77183.60: le même que la moyenne car il n'a effectué qu'une seule commande.La durée écoulée entre sa première et sa dernière commande est zéros(car il n'en effectué qu'une seule, comme c'est déjà dit)

2. Par contre, le client 12348.0 (ligne 3) a effectué 4 commandes entre le 16 décembre 2010 et le 25 septembre 2011, et cela durant une période de 282 jours entre sa première et sa dernière commande. Le montant moyen dépensé par ce client pour chaque commande s'élève à une valeur de 449.31$ , et ce client, en moyenne, effectuait chaque commande tous les 70.5 jours, etc.

Les clients dont le nombre de commandes est supérieur à une commande ce sont les clients réguliers.

3-Visualisations des tendances chronologiques et des comportement d'achats des clients réguliers.

Une manière encore plus facile de comprendre les données est de les visualiser. Ici, nous allons visualiser la régularité des commandes sous deux cas: le nombre et la rapidité des commandes successives par groupe de clients:

3-1 Le nombre de commandes par groupe de clients.

On remarque que le groupe de clients qui effectuent au plus 2 ventes est majoritaire. Et plus les clients sont réguliers (achètent plus), plus ils se raréfient en nombre.

3–2 La rapidité de commandes de chaque client:

Ici, nous remarquons que la majorité des clients achètent à environs tous les 25 jours ou tous les 50 jours: les clients qui passent plus de 75 jours avant de revenir à l'entreprise se raréfient.

Conclusion.

Nous venons de terminer les deux premières étapes de développement d'un modèle de machine learning: la compréhension du problème commercial et l'analyse exploratoire des données. il nous reste maintenant 4 étapes qui sont la préparation des données, la modélisation, l'évaluation du modèle et le déploiement du modèle. Nous nous arrêtons ici pour cette partie, et continuons les autres étapes dans ce deuxième articles:https://bit.ly/3JyZswy

Mais en attendant jusqu'à là, je t'invite à essayer le modèle (Je l'ai déjà crée) en passant par le lien suivant.

Le contenu de cet article s'est inspiré de ce livre, ici:

N'oubliez pas de vous abonnez pour ne point rater aucune de nos publications sur la data science...

Aidez moi à coninuer à écrire ce genre d'articles s''ils vous plait, si leur contenus vous sont utiles, en vous abonnant à ma page et en partageant mes articles.