Python实战|利用生存分析预测用户流失周期（一）

点击上方蓝字关注我们

 利用生存分析预测用户流失周期      

                    

                        上篇                              

1.数据基本情况探索      

2.数据来源及预处理     

3.数据相关性探索        

             

下篇

1.Cox风险比例模型建模

         2. Cox风险比例模型效果评估

              3.Cox风险比例模型预测流失用户

               4.改善运营策略，防止用户流失     

生存分析(survivalanalysis)源于生物医学，早期主要是是对生存时间进行分析，后来该方法也应用于各类商业分析，主要研究用户从一种状态转变到另一种状态所经历的时间。举个例子来说，在互联网行业，用户流失是较为常见的分析主题，生存分析法就可以运用于探究用户从进入互联网产品到流失这一过程的转变时长。这一期内容，小编会运用生存分析方法通过Python预测用户流失周期。

1

数据基本情况探索

此处笔者使用IBM用户流失数据集，该数据及来源于Kaggle，包括每个客户所签署的服务