电信客户流失预测赛

2022科大讯飞：电信客户流失预测挑战赛

赛题介绍

随着市场饱和度的上升，电信运营商的竞争也越来越激烈，电信运营商亟待解决减少用户流失，延长用户生命周期的问题。对于客户流失率而言，每增加5%，利润就可能随之降低25%-85%。因此，如何减少电信用户流失的分析与预测至关重要。

鉴于此，运营商会经常设有客户服务部门，该部门的职能主要是做好客户流失分析，赢回高概率流失的客户，降低客户流失率。某电信机构的客户存在大量流失情况，导致该机构的用户量急速下降。面对如此头疼的问题，该机构将部分客户数据开放，诚邀大家帮助他们建立流失预测模型来预测可能流失的客户。

赛题任务

给定某电信机构实际业务中的相关客户信息，包含69个与客户相关的字段，其中“是否流失”字段表明客户会否会在观察日期后的两个月内流失。任务目标是通过训练集训练模型，来预测客户是否会流失，以此为依据开展工作，提高用户留存。

代码实现

作为一个研0的小趴菜，学过的技术实在是太少，就决定用最简单的KNN来解决吧，用的方法也都是sklearn里提供的现成的，软件用的jupyter notebook。初次接触，代码写得很不好，但对于我的水平来说能做出结果就可以，所以新手们可以参考一下，大佬请自觉跳过。

导入模块

from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
from sklearn.model_selection import GridSearchCV

数据导入和准备

train = pd.read_csv('./train.csv')
test = pd.read_csv('./test.csv')
#将训练集和测试集连接在一起组成data
data = pd.concat([train, test], axis=0