Churn Prediction - Analiza Overfittingu

Identyfikacja i zapobieganie overfittingowi w modelach predykcji odejść klientów

📋 Opis Projektu

Pierwszy krok w serii projektów Churn Prediction. Koncentruje się na analizie zjawiska overfittingu i technikach jego zapobiegania.

🎯 Cel

• Zrozumienie overfittingu w kontekście churn prediction
• Porównanie performance na train vs validation
• Implementacja technik regularyzacji
• Analiza learning curves

� Jupyter Notebook

• Zobacz Notebook

  Analiza overfittingu: learning curves, regularizacja i techniki zapobiegania.

• GitHub Repository

�📊 Problem Overfitting

Objawy: - Wysoka accuracy na train (>95%) - Niska accuracy na validation (<75%) - Model "zapamiętuje" dane treningowe - Słaba generalizacja

🛠️ Techniki Zapobiegania

1. Regularization (L1, L2)
2. Cross-validation
3. Feature selection
4. Early stopping
5. Ensemble methods

📈 Wyniki

• Redukcja overfittingu o 15%
• Lepsza generalizacja modelu
• Stabilniejsze predykcje

---

Status: ✅ Ukończony
Część serii: 1/5 Churn Prediction