期末大作业：客户流失数据可视化分析与预测

项目概述

本文展示了一个机器学习项目的完整流程，包括数据预处理、特征工程、建模和预测。项目采用了Pipline构建机器学习管道，并使用optuna进行算法优化。数据和代码都是完整的。

背景信息

文章介绍了机器学习在预测客户流失方面的应用，尤其是在金融和订阅服务领域。流失率可以指客户或员工的流失情况。对于银行而言，客户流失意味着客户停止使用其服务或转向其他银行。

数据描述

数据字典包含多种特征，如客户ID、信用评分、居住国家、性别、年龄、服务年限、账户余额、使用产品数量、是否持有信用卡、是否为活跃会员、预计工资以及客户是否流失的目标变量。

项目目标

本项目旨在解决一个二元分类问题，即预测客户是否流失（是或否）。除了预测一个分类结果，还需要提供预测概率，这在医疗等领域尤为重要。常用的评估指标是ROC-AUC，它衡量二元分类器的性能。

加载和分析数据

文章中加载了训练、测试和原始数据集，并对数据集进行了内存优化以便于特征工程和建模。通过探索性数据分析（EDA），发现数据集中有175k个数据点，且没有缺失值。

缺失数据分析

使用prettytable工具确认了数据集中没有缺失值，并展示了数据的一个概览。

变量选择

为了简化处理，文章中对数据集中的变量进行了筛选，区分了分类和连续变量。

TDD、BDD、ATDD都是什么、有什么区别？（下）

了解更多

想要了解更多内容？

查看原文：期末大作业：客户流失数据可视化分析与预测

文章来源：

数据STUDIO

扫码关注公众号