构造一个神经网络对银行客户流失做一个分析

银行因客户流失严重,利用收集的客户信息,包括信用得分、地区、性别等,通过神经网络分析预测客户流失可能性。经过数据预处理,模型训练后在训练集上达到84%的准确率,测试集上同样保持84%的准确率,显示模型无过拟合,效果良好。
摘要由CSDN通过智能技术生成

例子及数据集是某套教程(避嫌)里的内容,做下记录,个人认为,亲自实现代码可以增强学习效果。


情境:
某家银行发现进来他们的客户流失比较严重,处于业务需要,现在他们将收集的客户资料,希望通过分析得到未来一段时间内客户断掉跟这家银行的业务来往的可能性,从而做出适当的挽留措施。
现在他们收集了客户的ID、姓名、信用得分、地区位置、性别、年龄、业务往来时长、存款、购买的业务数、是否拥有信用卡、是否为活跃客户、估计年薪的各种情况。目的是将他们依据是否会断绝业务往来进行分类。

import pandas as pd
dataset = pd.read_csv('Churn_Modelling.csv')
x = dataset.iloc[:,3:-1].values
y = dataset.iloc[:,-1].values
'''
提取特征,及标签数据,也就是x、y。
这里去除了与客户流失无关的特征:ID、姓名(对于地理位置,我们做了保留,原因是不同地区政策,汇率什么的可能有所影响。)
'''

这里我们观察数据集可以发现,存在分类变量,需要进行转化,转化成可以进入模型的数据。

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
le1 = LabelEncoder()
ohe = OneHotEncoder(categorical_features=[1])
x[
  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值