机器学习案例——客户流失预测

1、项目简介

1） 数据说明：
本数据集来自和鲸社区，共有7043条数据，共计21个字段数据包含以下字段：
- customerID ：客户
- id gender ： 性别
- SeniorCitizen ： 是否为老年人，取值为0和1，0为否，1为是
- Partner ： 是否拥有伴侣
- Dependents ： 是否有家属
- tenure ： 入网时长（月）
- PhoneService ： 是否订阅电话服务
- MultipleLines： 是否有多条线路（是，否，没有电话服务）
- InternetService ： 网络服务提供商（DSL，光纤，否）
- OnlineSecurity ： 在线服务安全性（是，否，无网络服务）
- OnlineBackup ： 在线备份服务（是，否，无网络服务）
- DeviceProtection ：设备保护（是，否，无网络服务）
- TechSupport ： 技术支持（是，否，无网络服务）
- StreamingTV ：流媒体电视（是，否，无网络服务）
- StreamingMovies ：流媒体电影（是，否，无网络服务）
- Contract ：合同期限（每月，一年，两年）
- PaperlessBilling ：是否无纸化账单（是，否）
- PaymentMethod ：支付方式（电子支票，邮寄支票，银行自动转账，信用卡自动支付） - MonthlyCharges ：每月收取费用
- TotalCharges ：总收取费用
- Churn ：是否流失
2）需求：
根据现有信息选择合适模型建模预测客户是否流失。

2、特征处理及选择

2.1、初步探索清洗

导入库并加载数据

# 导入常用库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import warnings 
warnings.filterwarnings('ignore')
# 加载数据
data=pd.read_csv('tel_data.csv')
1
2
3
4
5
6
7
8

查看数据基本信息

data.info()
1

数据没有缺失值。
查看数据是否有重复值

# 查看数据是否有重复值
data.duplicated().value_counts()
1
2

# 对数据做描述性统计，查看特征情况
data.describe([0.1,0.25,0.5,0.75,0.9]).T
1
2

分离目标变量和特征变量

# 分离特征变量和目标变量
x = data.iloc[:, :-1]
y = data.iloc[:, -1]
1
2
3

删除customerID

# 特征变量中的customerID 对目标变量没有影响，将其删去
x.drop(columns='customerID',inplace=True)
1
2

2.2、特征处理

1）处理分类变量

考虑后续建模采用树模型，对类别变量进行顺序编码。

from sklearn.preprocessing import OrdinalEncoder
# 取出类别变量列名
category_list = x.columns[x.dtypes=='object'].tolist()
# 进行顺序编码
x_cate_rfc = OrdinalEncoder().fit_transform(x.loc[:,category_list])
1
2
3
4
5

2）处理连续型变量

对连续型变量进行标准化

# 取出连续型变量的列
qualitative_list = x.columns.tolist()
for i in category_list:
    qualitative_list.remove(i)
1
2
3
4

ss = StandardScaler()
x_qualitative = ss.fit_transform(x.loc[:,qualitative_list])
1
2

3）处理目标变量

# 对标签进行编码
from sklearn.preprocessing import LabelEncoder
L_en = LabelEncoder()
L_en.fit(y)
y &
1
2
3
4