c50数据集churn_机器学习中的数据泄露（Data Leakage）

数据泄露这个概念在kaggle算法竞赛中经常被提到，这个不同于我们通常说的生活中隐私数据暴露，而是在竞赛中经常出现某支队伍靠着对极个别feature的充分利用，立即将对手超越，成功霸占冠军位置，而且与第二名的差距远超第二名与第十名的差距，那么很有可能是出现了数据泄露（Data Leakage）。这些feature却不是在因果关系上顺利解释预测值的‘因’，反而是预测值的‘果’。

1. 目标

本篇文章讲通过“电信客户流失案例”来证明数据泄露在实际业务场景和建模比赛中产生的影响，并提供如何防止“数据泄露”现象的方法。

2. 数据集介绍

Telechurnwithoutnull.csv为数据集，该数据集已进行过缺失值的处理。

数据集共有46个变量，13196条数据，字段均为英文名。其中标签字段为“CHURN_FLG”。