电信客户流失预测——逻辑回归实战

项目背景

AT&T数据，⽤户个⼈，通话，上⽹等信息数据，充分利⽤数据预测客户的流失情况，帮助挽留⽤户，保证⽤户基数和活跃程度。

数据信息

数据集下载：电信客户数据集

1. CustomerID 客户ID
2. Gender 性别
3. partneratt 配偶是否也为att⽤户
4. dependents_att 家⼈是否也是att⽤户
5. landline 是否使⽤att固话服务
6. internet_att/internet_other 是否使⽤att的互联⽹服务
7. Paymentbank/creditcard/electroinc 付款⽅式
8. MonthlyCharges 每⽉话费
9. TotalCharges 累计话费
10. Contract_month/1year ⽤户使⽤⽉度/年度合约
11. StreamingTv/streamingMovies 是否使⽤在线视频或者电影app
12. Churn 客户转化的flag

处理流程

1. 基本数据处理
   • 基本数据信息
   • 缺失值和异常值处理
2. 描述性分析(单变量分析)
   • 连续型变量的指标
   • 离散型变量的类别
   • 预测样本比例
3. 相关性分析(多变量相关性)
   • 连续变量的相关性分析
   • 相关性热力图
4. 特征工程
   • 数据分割
   • 数据标准化处理
5. 逻辑回归模型
   • 逻辑回归应用
   • 模型评估

具体代码如下

导入所有用到的包

# 导入包
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report
from sklearn.metrics import roc_auc_score
from sklearn.linear_model import LogisticRegression

1.基本数据处理

导入数据并查看数据信息

# 导入数据集，并查看数据基本信息
df = pd.read_csv('churn.csv', sep=',', encoding='utf-8')
df.info()

离散变量数值化，并去除没用的特征

# 离散型变量转化为数值型
churn_df = pd.get_dummies(df)
# 去除重复的数据
churn_df.drop(['Churn_No', 'gender_Female'], axis=1, in