用户流失率预测

实验名称：用户流失率预测

实验英文名：UserChurn

所属类目：用户运营

实验描述：根据用户历史特征数据，以及用户是否流失标签，建立XGB分类模型，预测用户是否会流失，以及流失的概率

主要应用算法：XGB分类

数据来源：Kaggle比赛数据，Telco电信公司用户流失数据。

数据属性：二分类数据（churn列，Yes为流失，No为否）。

数据详情：数据集为用户信息，包含用户id、专线数量、服务类型、是否进行技术支持、是否上网看电视、是否上网电影、月消费金额、总消费金额、交费周期等21列数据。

读数据：读入原始数据。

列拆分：将数字类型（连续特征）和string类型（分类特征）分开。

缺失值填充：数值类型缺失值用中位数填充，String类型的缺失值数据用众数填充。

标准化组件：数值类型的连续型进行标准化。

label编码组件：String类型的分类特征进行标签编码。

列合并：将数值类型、String类型处理过的数据进行合并。

拆分组件：将训练数据和测试数据按8:2的比例进行拆分。

XGB分类：用训练数据训练XGB二分类模型。

预测组件：用训练好的模型预测测试数据，预测结果如下，预测出高用户是否会流失，以及流失概率。

列合并：合并真实值、预测值、预测概率。

混淆矩阵：通过混淆矩阵，评估模型预测的准确性。

二分类评估：通过二分类评估组件，评估模型预测结果，二分类AUC为：0.8547。