python数据挖掘分析可视化实战项目，内含丰富的代码注释，非常适合小白学习，同时也包含了结果可视化及分析，可以一键提交。

DataMiningCase 流失预警模型（二分类），代码原型为本人在某银行做的流失模型，AUC：83%、召回率（覆盖率）：19.4%，精确率：85%（数据是外部数据/代码已脱敏） 基于真实业务上手数据挖掘（银行流失预警）：数据的处理、LightGBM、sklearn包（里面含有：GridSearchCV寻找最优参、StratifiedKFold分层5折切分、train_test_split单次数据切分等）、stacking模型融合、画AUC图、画混淆矩阵图，并输出预测名单。 告诉你：是什么（WHAT）、怎么做(HOW)、为什么这么做(WHY)。 注释覆盖率为80%左右，旨在帮助快速入门，新手级 项目涉及的如下： 商业理解 数据理解 数据处理（数据准备） 特征工程（数据准备） 正负样本特征线性图 RFECV（特征五折递归消除） Importan

数据挖掘：利用sql实现对电信行业客户建立流失预警模型

电信行业用户流失预警案例——python实现多模型预测

python用户流失预警案例源码

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

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