ИИ в викторине по прогнозированию оттока клиентов

Ответы и пояснения появляются по мере прохождения теста.

1. Что означает «отток клиентов»?
   • Клиенты отменяют или прекращают использовать продукт или услугу
   • Клиенты увеличивают свои расходы
   • Процесс привлечения новых клиентов
   • Тип маркетингового электронного письма.
2. Под каким типом задачи машинного обучения обычно понимается прогнозирование оттока?
   • Неконтролируемая кластеризация
   • Контролируемая классификация с использованием исторических размеченных данных
   • Подкрепление обучения через награды
   • Генерация изображений
3. Почему простая точность является плохим показателем для моделей оттока?
   • Точность невозможно вычислить
   • Точность работает только для изображений
   • Наборы данных об оттоке несбалансированы, поэтому прогноз «оттока нет» для всех может выглядеть очень точным.
   • Отток не имеет измеримого результата
4. Что такое «утечка данных» в этом контексте?
   • Клиенты делятся своими паролями
   • Потеря данных о клиентах хакерам
   • Медленные запросы к базе данных
   • Функция, которая случайно кодирует результат, например дату отмены, что приводит к увеличению производительности.
5. Какое семейство алгоритмов особенно популярно для табличных данных об оттоке?
   • Деревья решений с градиентным усилением, такие как XGBoost и LightGBM.
   • Сверточные нейронные сети
   • Рекуррентные нейронные сети для аудио
   • K-означает только кластеризацию
6. Что дает «моделирование подъема» помимо стандартного прогнозирования оттока?
   • Это заставляет модель работать быстрее.
   • It estimates which customers may be more likely to benefit from an intervention
   • Это устраняет необходимость в каких-либо данных
   • Работает только для новых клиентов
7. Which feature group can help a churn model detect weakening customer engagement?
   • The color of the customer’s profile image
   • A feature recorded only after cancellation has occurred
   • Recent activity and usage frequency, alongside contract and support history
   • The model’s GPU temperature during training
8. What should a team define when labeling a churn model’s prediction target?
   • The color scheme of the account dashboard
   • The number of features before collecting customer history
   • A fixed decision threshold before model training begins
   • A clear prediction horizon, such as whether a customer will leave within the next 30 or 90 days