Instructions to use NurzatS/Customer_churn with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use NurzatS/Customer_churn with Keras:
# Available backend options are: "jax", "torch", "tensorflow". import os os.environ["KERAS_BACKEND"] = "jax" import keras model = keras.saving.load_model("hf://NurzatS/Customer_churn") - Notebooks
- Google Colab
- Kaggle
Customer Churn Predictor
Gradio-приложение предсказывает вероятность ухода клиента по шести признакам:
- срок обслуживания в месяцах;
- часы использования в месяц;
- наличие нескольких устройств;
- количество обращений в поддержку;
- количество ошибок платежей;
- премиум-тариф.
Модель обучена с class_weight='balanced', поэтому редкий класс ухода учитывается при обучении.
Локальный запуск
pip install -r requirements.txt
python app.py
Откройте http://127.0.0.1:7860.
- Downloads last month
- 16
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support