电商数据回归&决策树&随机森林模型

这篇博客分析了电商客户数据,探讨性别、居住地、经济状况等因素如何影响购买行为。通过数据可视化、特征工程和逻辑回归、决策树、随机森林模型,发现居住在郊区、未婚、有储蓄且无贷款的客户更可能购买产品。建议针对已婚带孩客户推出定制套餐,并针对郊区客户推广生活必需品。
摘要由CSDN通过智能技术生成

1.项目内容:

针对电商网站的客户数据(属性信息、经济能力、消费行为等),分析影响客户消费的因素,助推业绩。

1)分析客户标签与是否购买的关系;

2)尝试找到合适的模型预测流失客户;

3)根据分析结果,给出精准营销的建议。

2.数据背景:

数据说明:600条记录,13个标签

3.模型开始:

1)数据导入

import pandas as pd
import numpy as np
fdata=pd.read_excel('D:\\test\\data.xlsx')# 需要双个斜杠
fdata.head()

2)数据查看

3)空值、是否重复

0说明数据没有缺失,Falses说明也不重复,因此不需要处理,反之则存在

4)数据可视化

可视化的目的,

  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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