Churn Prediction - Model Tuning

Optymalizacja hiperparametrów modelu predykcji odejść klientów

📋 Opis Projektu

Drugi krok serii Churn Prediction. Skupia się na systematycznym tuningu hiperparametrów dla osiągnięcia najlepszego performance.

🎯 Cel

• Grid Search / Random Search dla hiperparametrów
• Optymalizacja modelu pod kątem metryki biznesowej
• Porównanie różnych strategii tuningu
• Balance between bias and variance

� Jupyter Notebook

• Zobacz Notebook

  Systematyczny tuning hiperparametrów: Grid Search, Random Search i Bayesian Optimization.

• GitHub Repository

�🛠️ Techniki

1. Grid Search CV
2. Random Search CV
3. Bayesian Optimization
4. Optuna (advanced hyperparameter tuning)

📈 Wyniki

• Poprawa F1-score o 5%
• Lepsza precision-recall balance
• Reduced false negatives

---

Status: ✅ Ukończony
Część serii: 2/5 Churn Prediction