
#importujeme python knižnice potrebné pre prácu s dátami
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline
pd.set_option('display.max_columns', None)
sns.set()

# samotné načítanie dát z .csv súboru pomocou funkcie read_csv()
data = pd.read_csv("Telecom-Churn.csv", index_col=[0])


data.head()


data['Churn'].value_counts()


# funkcii countplot() špecifikujeme dva parametre - vstupný dátový rámec a atribút na osi x, pre ktorý má početnosti vykresliť
g = sns.countplot(data = data, x='Churn')


data[['Tenure']].describe()


# funkcii distplot() špecifikujeme rovnako dva parametre - vstupný dátový rámec a atribút na osi x, pre ktorý má distribúciu vykresliť
g = sns.displot(data = data, x='Tenure')


# vytvoríme si pomocný/dočasný dátový rámec, ktorý pozostáva iba z číselných atribútov
data_numeric = data[['Tenure', 'MonthlyCharges', 'TotalCharges']]

# pomocou funkcie corr() spočítame vzájomné korelácie a pomocou funkcie heatmap() ich vykreslíme
g = sns.heatmap(data_numeric.corr(), cmap='RdPu', annot= True)


g = sns.scatterplot(data=data, x='TotalCharges', y='Tenure')


# sem vpíšte kód


# sem vpíšte kód


g = sns.displot(data = data, x='MonthlyCharges', hue='Churn')


# sem vpíšte kód


# sem vpíšte kód


# sem vpíšte kód


# sem vpíšte kód


data.isna().sum()


def replace_missing_MonthlyCharges(row):
    TotalCharges = row["TotalCharges"]
    Tenure = row["Tenure"]
    MonthlyCharges = row["MonthlyCharges"]
    if pd.isna(MonthlyCharges):
        return TotalCharges / Tenure
    else:
        return MonthlyCharges

data['MonthlyCharges'] = data.apply(replace_missing_MonthlyCharges, axis = 1)
data['MonthlyCharges'].isna().sum()


def replace_missing_TotalCharges(row):
    TotalCharges = row["TotalCharges"]
    MonthlyCharges = row["MonthlyCharges"]
    Tenure = row["Tenure"]
    if pd.isna(TotalCharges):
        if Tenure == 0: 
            return MonthlyCharges
        else:
            return MonthlyCharges * Tenure
    else:
        return TotalCharges
    
data['TotalCharges'] = data.apply(replace_missing_TotalCharges, axis = 1)
data['TotalCharges'].isna().sum()


data.isna().sum()


data.drop(columns=['Gender', 'InternetService', 'MultipleLines', 'TotalCharges'], inplace = True)


data['Churn'] = data['Churn'].map({"Yes":1, "No":0})

data['Partner'] = data['Partner'].map({'Yes':1, 'No':0})
data['Dependents'] = data['Dependents'].map({'Yes':1, 'No':0})
data['PaperlessBilling'] = data['PaperlessBilling'].map({'Yes':1, 'No':0})
data['PhoneService'] = data['PhoneService'].map({'Yes':1, 'No':0})

data['OnlineSecurity'] = data['OnlineSecurity'].map({'Yes':1, 'No':0, 'No internet service':0})
data['OnlineBackup'] = data['OnlineBackup'].map({'Yes':1, 'No':0, 'No internet service':0})
data['DeviceProtection'] = data['DeviceProtection'].map({'Yes':1, 'No':0, 'No internet service':0})
data['TechSupport'] = data['TechSupport'].map({'Yes':1, 'No':0, 'No internet service':0})
data['StreamingTV'] = data['StreamingTV'].map({'Yes':1, 'No':0, 'No internet service':0})
data['StreamingMovies'] = data['StreamingMovies'].map({'Yes':1, 'No':0, 'No internet service':0})

data["Contract"] = data["Contract"].map({"Month-to-month": 0, "One year": 1, "Two year" : 2})
data["PaymentMethod"] = data["PaymentMethod"].map({"Mailed check": 0, "Electronic check": 1, "Bank transfer (automatic)" : 2, "Credit card (automatic)" : 3})


data.head()


from sklearn.model_selection import train_test_split

X_data = data.drop(columns= 'Churn', axis = 1)
y_data = data['Churn']

X_train, X_test, y_train, y_test = train_test_split(X_data, y_data, test_size= 0.3, random_state= 1)


from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score, precision_score, recall_score

tree = DecisionTreeClassifier(max_depth=4)

model = tree.fit(X_train, y_train)
predictions = model.predict(X_test)

print(f"Presnosť (accuracy) modelu: {accuracy_score(y_test, predictions)}")


from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_test, predictions)
print(cm)


from sklearn import tree

plt.style.use('dark_background')
fig, axes = plt.subplots(nrows = 1,ncols = 1,figsize = (21,10), dpi=300)

tree.plot_tree(model, fontsize=8, feature_names=data.columns.values, class_names=["0","1"], filled=True)
plt.show()


customer_X = pd.DataFrame([[0, 1, 0, 10, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 70]], columns=list(X_data.columns))
prediction_X = model.predict(customer_X)


if prediction_X == 1:
    print("Zákazník X od operátora asi odíde :( ")
else:
    print("Zákazník X bude naďalej využívať služby :) ")

Telco Customer Churn Prediction¶

Načítanie dát¶

Úloha!¶

Ktoré atribúty v dátovom rámci sú numerické a ktoré kategorické?¶

Základné štatistiky atribútov¶

Závislosti medzi atribútmi¶

Úloha!¶

Ktoré z číselných atribútov sú najviac závislé? Viete túto závislosť vysvetliť?¶

Závislosti medzi kategorickými atribútmi¶

Detekcia a nahradenie chýbajúcich hodnôt¶

Úloha! Porozmýšľajte - ako by sme vedeli odvodiť chýbajúce hodnoty atribútu `MonthlyCharges` z hodnôt atribútov `TotalCharges` a `Tenure`?¶

Selekcia atribútov¶

Prevedenie dát do podoby vhodnej pre modelovanie¶

Rozdelenie dát na trénovanie a testovanie¶

Naučenie klasifikačného modelu¶

Telco Customer Churn Prediction¶

Načítanie dát¶

Úloha!¶

Ktoré atribúty v dátovom rámci sú numerické a ktoré kategorické?¶

Základné štatistiky atribútov¶

Závislosti medzi atribútmi¶

Úloha!¶

Ktoré z číselných atribútov sú najviac závislé? Viete túto závislosť vysvetliť?¶

Závislosti medzi kategorickými atribútmi¶

Detekcia a nahradenie chýbajúcich hodnôt¶

Úloha! Porozmýšľajte - ako by sme vedeli odvodiť chýbajúce hodnoty atribútu MonthlyCharges z hodnôt atribútov TotalCharges a Tenure?¶

Selekcia atribútov¶

Prevedenie dát do podoby vhodnej pre modelovanie¶

Rozdelenie dát na trénovanie a testovanie¶

Naučenie klasifikačného modelu¶

Úloha! Porozmýšľajte - ako by sme vedeli odvodiť chýbajúce hodnoty atribútu `MonthlyCharges` z hodnôt atribútov `TotalCharges` a `Tenure`?¶