银行用户流失分析与预测

izwt

已于 2023-06-03 11:08:06 修改

阅读量1w

点赞数 14

分类专栏：数据分析文章标签：机器学习数据分析 python

于 2023-06-03 10:57:49 首次发布

本文链接：https://blog.csdn.net/shorex/article/details/131013187

版权

一、项目背景与目的

数据来源于Kaggle某项目：Bank Customer Churn | Kaggle

本数据集包括10000条匿名跨国银行的客户数据。数据分析的目的是预测客户流失的概率，然后通过预测模型的建立，相应地去提高用户的活跃度，实现挽留客户，降低挽留关怀工作的成本。

二、明确问题

项目关键问题是用户流失，在数据集中有一个Exited字段是我们需要预测的目标变量，Exited=1代表客户流失，Exited=0代表客户未流失，明显这是个监督学习的分类预测问题。构建模型要达到的目的是在精确度尽可能高的情况下，召回率也要尽可能高。

三、数据理解

在下面图中可以清晰看到各特征值和其含义

其中CreditScore、Geography、Gender、Age、Tenure、Balance等指标对客户流失有一定影响。

四、EDA-数据探索性分析

数据总览

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings("ignore")
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']= ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']= False #用来正常显示负号
import seaborn as sn
%matplotlib inline
pd.options.display.max_rows = None
pd.options.display.max_columns = None

df=pd.read_csv('C:/Users/koo/Desktop/archive/Customer_Churn.csv')
df.info()

我们可以看到有10000条样本数据，18个特征并无缺失值，4个类别变量，数据还比较干净。其中也存在无关特征，我们需要删除，以保证后面更好的训练模型。

剔除无关特征

#统计目标变量Exited列
df['Exited'].value_counts()
# 去掉RowNumber、CustomerId和Surname列
df = df.drop(["RowNumber", "CustomerId", "Surname"], axis = 1)
# 再一次检查数据
df.head()

上面的数据中，有些问题显露：

1. 数据并没有日期，没有对Banlance(余额)字段说明清楚；以及有些客户流失，余额也存在。

2. 其中IsActiveMember指的是客户是否活跃，我们只知道他/她是否活跃，这个变量的意义不明确，有没有信用卡对用户流失与否影响也不大。

数据有18个变量，其中RowNumber、CustomerId和Surname是无意义的变量，我们把这些变量移除以便更好的分析数据。其中目标变量统计如下：

0    7962
1    2038
Name: Exited, dtype: int64

目标变量分析

目标变量占比：

labels = '流失', '维持'# 定义标签
sizes = [df.Exited[df['Exited']==1].count(), df.Exited[df['Exited']==0].count()]# 每一块的比例
colors = ['red', 'gold']
explode = (0.1, 0)# 突出显示
f, ax1 = plt.subplots(figsize=(7, 4))
ax1.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%',
        shadow=True, startangle=90)
ax1.axis('equal')# 显示为圆（避免比例压缩为椭圆）
plt.title("客户流失占比", size = 15)
plt.show()

扇形图中，流失的客户占比是20.4%，未流失的客户占比是79.6%。

目标变量与其他变量的关系：

f, axar = plt.subplots(2, 2, figsize=(20, 12))
sn.countplot(x=df['Geography'], hue =df['Exited'], ax=axar[0][0])
sn.countplot(x=df['Gender'], hue =df['Exited'],palette="Set1", ax=axar[0][1])
sn.countplot(x=df['HasCrCard'], hue =df['Exited'],palette="Set2", ax=axar[1][0])
sn.countplot(x=df['IsActiveMember'], hue