文件名称：Market_analysis:Shopee代码联盟
文件大小：21.89MB
文件格式：ZIP
更新时间：2024-04-27 20:11:12
JupyterNotebook
市场营销分析：电子邮件活动分析 创建了一个电子邮件分类器，该分类器可预测用户是否打开电子邮件以帮助公司营销策略。 Kaggle（ ）中的Shopee Code League 2020数据科学使用的数据集。 优化Logistic回归，朴素贝叶斯，随机森林，XGBoost和LightGBM，以找到最佳模型。 使用的代码和资源 的Python版本： 3.7 软件包： pandas，numpy，sklearn，xgboost，lightgbm，hyperopt，matplotlib，seaborn，plotly 资料收集 在数据集中，我们具有以下功能： 特定于用户的信息 电子邮件性质 用户在平台上的参与度 用户对电子邮件的React，包括用户是否打开电子邮件 数据清理 我需要对其进行清理，以使其可用于我们的模型。 我进行了以下更改并创建了以下变量： 更改数据类型：日期为整数。 用均值或
【文件预览】：
Market_analysis-master
----sample_submission_0_1.csv(426KB)
----Marketing_analysis.ipynb(80.75MB)
----Marketing_analysis_v2.ipynb(6.39MB)
----Marketing_analysis_v2.html(4.94MB)
----compare.png(22KB)
----sample_sub_ShopeeEmail.csv(426KB)
----country_code.PNG(31KB)
----Marketing_analysis.html(29.55MB)
----train.csv(5.4MB)
----_DA_Marketing_Analytics.zip(2.43MB)
----distribution.PNG(108KB)
----.ipynb_checkpoints()
--------Order_brushing-checkpoint.ipynb(14.51MB)
--------Marketing_analysis-checkpoint.ipynb(72B)
--------Marketing_analysis_v2-checkpoint.ipynb(80.75MB)
----README.md(2KB)
----target.png(15KB)
----users.csv(3.83MB)
----test.csv(4MB)