taxa_cancelamento.Rmd

---
title: "Taxa de cancelamento"
author: "José de Jesus Filho"
date: "8/9/2017"
output:
  html_document:
    highlight: tango
    theme: flatly
    toc: yes
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

### Introdução

No ciclo de vida da gestão de clientes,  *churn* ou cancelamento refere-se a uma decisão tomada pelo cliente sobre o fim da relação comercial.  A fidelidade  e a perda dos clientes sempre somam  100%. Se uma empresa tiver uma taxa de fidelidade de 60%, a perda ou a taxa de cancelamento dos clientes é de 40%. De acordo com a regra conhecida como  80/20 de rentabilidade dos clientes , 20% dos clientes geram 80% da receita. Por isso, é muito importante prever os usuários que podem abandonar o relacionamento comercial e os fatores que afetam as decisões do cliente. Nesta publicação, vamos mostrar como identificar o churn do cliente por meio de quatro modelos de aprendizado estatístico: regressão logística, floresta aleatória, boosting e extreme boosing.  Para tanto, usaremos uma base de dados da Telecom.


### Instalação dos pacotes necessários

```{r message=F}
library(ggplot2)
library(caret)
library(doMC)
registerDoMC(cores=2)
library(dplyr)
library(cowplot)
library(purrr)
library(readr)
library(stringr)
library(knitr)
library(broom)
```

## Carregar, limpar e 

```{r eval=F}
df<-read_rds()

df<-df %>% map_df(~ifelse(str_detect(.x,"No"),"No",.x)) ## Alguns registros de não foram classificados como "não serviço", corrigir.

df<-na.omit(df) ## Há algumas poucos missing data, corrigir.

df<-as.data.frame(unclass(df)) ## Transformar as variáveis texto em fatores.

df$tenure_interval<-cut(df$tenure,breaks=c(0,6,12,24,36,48,62,72),labels=c("0 - 6 months","6 - 12 months","12-24 months","24-36 months","36-48 months","48-62 months","> 62 months"))  ## A variável tenure ou permanência é numérica, fatores melhoram a performance.

```

```{r }
load("base.rda")
```


## Divisão da base de dados em train e test para análise e validação posterior

```{r eval=F}

btrain<-createDataPartition(df$Churn,p=.80,list=F)

train<-df[btrain,-c(1,6)]
test<-df[-btrain,-c(1,6)]

```

## Estabele os parâmetros para o trainamento e sintonização (tuning) dos modelos.

```{r eval=F}

ctrl <- trainControl(method = "repeatedcv", # Para resampling usa validação cruzada repetica
                     number = 10, ## Número de iterações
                     repeats = 5, ## Número de folds a serem computados
                     summaryFunction = twoClassSummary, ## Função para computar métricas de desempenho na validação cruzada
                     classProbs = TRUE, ## Computa as probabilidades das classes/etiquetas
                     savePredictions = TRUE, ## salva as predições no resampling
                     allowParallel = TRUE, ## autoriza paralelização.
                     sampling="down" ## Equilibra as classes para baixo
)
```


## Regressão logística

```{r eval=F}
mod_GLM <- train(Churn ~ .,data=train, method="glm", family="binomial",
                 trControl = ctrl, tuneLength = 5,
                 metric = "ROC")
```


```{r}
tab_glm<-tidy(mod_GLM$finalModel)
kable(tab_glm)
```



#### Predição

```{r eval=F}

pglm<-predict(mod_GLM,test)
ppglm<-confusionMatrix(pglm,test$Churn)
ppglm
```