Churn-Modelling:使用ANN，PNN，Logistic回归，KNN和SVM进行客户流失建模

数据挖掘大作业文档，对银行客户流失进行分析，随着互联⽹⾦融的异军突起，银⾏业的竞争愈加激烈，防⽌客户流失和挽留⽼客户成为各⼤银⾏ 关⼼的重要问题。本⽂⾸先根据已有数据集对各特征进⾏描述性统计分析，初步了解数据；之后 进⾏数据预处理，包括数据清洗，数据变换、特征选择；再后⽤逻辑回归、⽀持向量、朴素⻉叶 斯、决策树、随机森林等算法进⾏建模，通过不同性能度量，选出为表现最好的模型并进⾏调 参；最后，根据描述性统计和特征重要性为银⾏挽留客户提出建议。

携程酒店浏览客户流失概率预测 广告 vs. 新闻推荐 基于Hadoop EcoSystem的数据分析平台 CTR预估建模过程 用户兴趣建模 用户兴趣建模流程 Spark带来的改善

银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据银行客户流失数据

BankCustomerChurn预测 对银行客户数据进行数据分析，以预测客户流失的原因，并提供防止这种情况的建议。 数据集：Churn_Modelling.csv 记录数：10,000 功能数量：14 使用的图书馆：pandas，matplotlib，numpy，seaborn

在携号转网背景下基于Xgboost算法的高价值客户流失预警建模，黄婷婷，李佳，在携号转网背景下，运营商企业将面临客户流失的风险。从全量客户中筛选出有流失倾向的高危群体，并提前对这些客户进行关怀和维系

客户生存与流失预测 客户流失率是评估不断增长的业务的最重要指标之一。 虽然这不是最幸福的衡量标准，但它可以使您的公司了解保留客户的事实。 Heroku应用程序My Heroku应用程序： : 生存分析 生存分析是统计的一个分支，用于分析直到一个或多个事件（例如生物体死亡和机械系统故障）发生之前的预期持续时间。 Kaplan-Meier曲线（我的博客） 脚步 步骤1 问题定义 关键的挑战是预测单个客户是否会流失。 第2步 数据采集 用于此分类问题的数据集来自Kaggle，并来自IBM示例数据集集合（ ）。 第三步 探索性数据分析 收集数据后，将执行几个步骤来探索数据。 此步骤的目标是了解数据结构，进行初始预处理，清理数据，识别数据中的模式和不一致之处（例如，偏度，离群值，缺失值），并建立和验证假设。 第4步 特征工程 在特征工程中，从现有特征生成新特征，并在将所有特征转换

案例背景：目前在我国移动通讯行业基本呈现三足鼎立的局势，市场份额由中国移动、中国联通和中国电信三家运营商瓜分。客户流失问题非常严重，从近5年的统计数字来看，三家运营商的移动客户数增长缓慢，中国联通在2015年甚至出现了负增长。因此建立一套系统的客户流失预警体系已是燃眉之急。案例原文详见某移动通讯公司客户流失预警分析

移动通信客户流失分析 可以看看

自己idea工具编写+MySQL数据库，，导入crm项目和SQL文件到数据库Tomcat运行即可