用户画像·用户流失预测

1、为什么预测流失

每个企业都渴望建立和保持一个忠实的客户群，而事实是由于各方面原因不可避免的会流失一些用户。如果我们根据用户的活跃度及消费情况，判断用户的流失意向，及时对有流失趋向的用户进行营销召回，这对公司来讲是非常有必要的。

2、需求分析

• 模型标签、目标值、y（用户流失的概率）。比如说：A（0.2），B（0.4），C（0.6），D（0.8），这是概率问题，越高流失率越高。那么我们怎么计算流失率呢？
• 要通过历史既定事实（满足某些特征的人群中，哪些流失了，哪些没流失）来得出，才会靠谱！

3、特征工程

（1）特征数据源
1、从公司大量的流失用户中，随机挑选1万人
2、从公司大量的未流失用户中，随机挑选1万人
3、将这2万人的数据（特征）组成先验样本集！

特征1	特征2	特征3	特征……	特征n	标签
$$x_1$$	$$x_2$$	$$x_3$$	……	$$x_n$$	0/1

（2）特征选择
原则：所选取的特征，应该跟流失与否有关联！

• 活跃属性
• 消费属性
• 最后距今登录天数
• 最后距今购买天数
• 事件属性（好评、中评、差评）
• 从数据仓库中抽取相关的数仓表（更全面的用户属性）、画像报表。

四、算法选择·逻辑回归算法

（1）逻辑回归算法简介

• 是一种分类算法，分类预测的结果还有一定的概率含义。在生产中使用非常频繁；
• 线性回归实际解决的是预测实数连续值的问题；逻辑回归解决的是分类问题；
• 用于二分类领域，可以得出概率值，适用于根据分类概率排名的领域，如搜索排名等；
• Logistic回归的扩展softmax可以应用于多分类领域，如手写字识别等；
• 信用评估；
• 测量市场营销的成功度；
• 预测某个产品的收益等。
  
  （2）实现步骤
• 加载经验样本数据
• 将样本数据向量化
• 构建逻辑回归算法工具
• 算法对样本数据进行训练形成模型
• 用模型对新数据做预测

五、代码走起

（1）样本数据（假数据）

import numpy as np
import pandas as pd
X = np.random.randint(1,15,size =(50,15))
X_train = pd.DataFrame(X,columns=['x_%d'%(i+1) for i in range(15)])
y_train = np.random.randint(0,2,size = 50)

（2）待预测分类数据

X2 = np.random.randint(1,15,size = (20,15))
X_test = pd.DataFrame(X2,columns=['x_%d'%(i+1) for i in range(15)])

（3）代码实现

from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()
lr.fit(X_train,y_train)
y_pred = lr.predict(X_test)
print(y_pred)
y_prob = lr.predict_proba(X_test)
y_prob

输出结果：
[1 0 0 1 0 1 0 1 0 0 1 1 1 0 1 0 1 0 1 0]
array([[0.03230703, 0.96769297],
[0.93171709, 0.06828291],
[0.97942594, 0.02057406],
[0.01089909, 0.98910091],
[0.99745415, 0.00254585],
[0.48741499, 0.51258501],
[0.99583849, 0.00416151],
[0.38237058, 0.61762942],
[0.62847683, 0.37152317],
[0.83675616, 0.16324384],
[0.12151155, 0.87848845],
[0.45674081, 0.54325919],
[0.39225385, 0.60774615],
[0.97983221, 0.02016779],
[0.13230931, 0.86769069],
[0.96127878, 0.03872122],
[0.16607067, 0.83392933],
[0.82587121, 0.17412879],
[0.05371583, 0.94628417],
[0.99835238, 0.00164762]])