జర్నల్ ఆఫ్ కంప్యూటర్ ఇంజనీరింగ్ & ఇన్ఫర్మేషన్ టెక్నాలజీ

టెలికాం చర్న్ ప్రిడిక్షన్ కోసం అభివృద్ధి చేయబడిన మెషిన్ లెర్నింగ్ మోడల్స్

హేమలతా జైన్*

టెలికాం చర్న్ ప్రిడిక్షన్ ప్రాంతంలో డేటా అనలిటిక్స్ ఒక ముఖ్యమైన అంశంగా మారింది. పరిశోధకులు చర్న్ ప్రిడిక్షన్ కోసం చాలా సమర్థవంతమైన ప్రయోగాలతో ముందుకు వచ్చారు మరియు వారి వినియోగదారులను రక్షించడానికి టెలికమ్యూనికేషన్ పరిశ్రమకు కొత్త దిశను అందించారు. కంపెనీలు గందరగోళాన్ని అంచనా వేయడానికి మరియు సంభావ్య చర్నర్‌లను రక్షించడానికి తమ ప్రయత్నాలను చేయడానికి ఆత్రంగా నమూనాలను అభివృద్ధి చేస్తున్నాయి. అందువల్ల, మెరుగైన చర్న్ ప్రిడిక్షన్ మోడల్ కోసం, చర్న్ కారకాలను కనుగొనడం చాలా ముఖ్యం. ఈ అధ్యయనం వారి గత సేవా వినియోగ వివరాలను మూల్యాంకనం చేయడం ద్వారా వినియోగదారుని గందరగోళానికి గురిచేసే కారకాలను కనుగొనడం లక్ష్యంగా పెట్టుకుంది. ఈ ప్రయోజనం కోసం, అధ్యయనం ఫీచర్ ప్రాముఖ్యత, ఫీచర్ సాధారణీకరణ, ఫీచర్ కోరిలేషన్ మరియు ఫీచర్ వెలికితీత యొక్క ప్రయోజనాన్ని తీసుకుంటోంది. ఫీచర్ ఎంపిక మరియు వెలికితీత తర్వాత ఈ అధ్యయనం ఉత్తమ ఫలితాలను తీసుకురావడానికి డేటాసెట్‌లో ఏడు వేర్వేరు ప్రయోగాలను నిర్వహిస్తుంది మరియు సాంకేతికతలను పోల్చింది.