توضیحات

بررسی خصوصیات مشتریان یک بانک فرضی و طبقه بندی. در این پروژه با استفاده از پایتون و همچنین کتابخانه های NumPy, Pandas, Matplotlib و Sklearn، دیتاستی شامل اطلاعات مشتریان بانک با لیبل های طبقه بندی دستی رو پاکسازی و آماده میکنیم تا یک مدل KNN یا K Nearest Neighbor رو آموزش بدیم. کاربرد این مدل بررسی مشتریان جدید و طبقه بندی آنها برای شخصی سازی خدمات یا بررسی ظرفیت افراد برای دریافت خدمات مختلف است. لینک گیت هاب این پروژه شامل دو فایل است؛ فایل اصلی برنامه: classification-knn.ipynb فایل دیتاست: teleCust1000t.csv   منبع دیتاست: www.kaggle.com

مهارت‌های استفاده شده