Python-电信用户流失预测

Kaggle

项目概况开发环境：Jupyter Notebook（Anaconda3的应用包下）项目描述一、获取数据集并预处理在网上（例如Kaggle）下载数据集，读入数据并进行数据预处理。二、根据特征群进行可视化分析数据总体分成三大特征群，逐一分析各特征群下，每个特征在特征群中的重要程度，在客户流失因素上的重要程度。对数据进行可视化分析，通过饼状图的对比，对各项特征指标有一个直观的清晰的认识。三、特征工程与类别平衡数据预测前一系列处理，先进行特征工程处理，结合皮尔逊相关系数，把无用特征进行剔除，完善字符编码格式。再处理类别不平衡的问题（正负样本数相差较多，易导致数据倾斜或不准确）。四、模型使用与评估使用机器学习模型与模型评估方式，用K折交叉验证计算方式，分别对逻辑回归，随机森林，AdaBoost,XGBoost模型进行评估，得出预测模型的准确度，后续选择其中之一进行实际预测，并输出模型中的特征重要性。五、总结分析与制定决策总结分析，合并各客户的预测流失率与真实流失率，形成关系表。运营商可以根据分组情况的结果设定阈值并进行决策，从而确定分界点进行客户召回措施。

文件下载

资源详情

[{"title":"（ 5 个子文件 10.88MB ） Python-电信用户流失预测\n","children":[{"title":"data-predict-master","children":[{"title":"回归森林123.ipynb 649.36KB ","children":null,"spread":false},{"title":"python答辩.ppt.pptx 10.46MB ","children":null,"spread":false},{"title":"database","children":[{"title":"Telco-Customer-Churn.csv 947.71KB ","children":null,"spread":false}],"spread":true},{"title":"回归森林123.py 21.25KB ","children":null,"spread":false},{"title":"README.md 1.41KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

Python-电信用户流失预测

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载