Python |客户流失分析预测
客户流失 指现有客户、用户、订户或任何类型的退货客户停止营业或终止与公司的关系。
客户流失类型–
- 合同流失:当客户签订服务合同并决定取消服务时，例如 SaaS 有线电视。
- 自愿流失:当用户自愿取消服务时，例如蜂窝连接。
- 非合同流失:当客户没有服务合同，决定取消服务时，例如零售店的消费者忠诚度。
- 非自愿流失:在客户没有任何要求的情况下发生流失，例如信用卡到期。
自愿流失原因
- 缺乏使用
- 服务差
- 更好的价格
代码:导入电信客户流失数据集
# Import required libraries
import numpy as np
import pandas as pd
# Import the dataset
dataset = pd.read_csv('telcochurndata.csv')
# Glance at the first five records
dataset.head()
# Print all the features of the data
dataset.columns
输出:
电信客户流失数据集的探索性数据分析
代码:要查找数据集中搅拌子和非搅拌子的数量:
# Churners vs Non-Churners
dataset['Churn'].value_counts()
输出:
代码:通过搅拌对数据进行分组，并计算的平均值，以确定搅拌工是否比非搅拌工拨打更多的客户服务电话:
# Group data by 'Churn' and compute the mean
print(dataset.groupby('Churn')['Customer service calls'].mean())
输出:
没错。也许不出所料，搅拌工似乎比非搅拌工打更多的客服电话。
代码:找出一个州是否比另一个州有更多的搅拌器。
# Count the number of churners and non-churners by State
print(dataset.groupby('State')['Churn'].value_counts())
输出:
虽然加州是美国人口最多的州，但我们的数据集中来自加州的客户却没有那么多。例如，亚利桑那州(AZ)有 64 名客户，其中 4 人最终大赚一笔。相比之下，加州搅拌咖啡的顾客数量(和比例)更高。这是对公司有用的信息。
探索数据可视化:了解变量如何分布。
# Import matplotlib and seaborn
import matplotlib.pyplot as plt
import seaborn as sns
# Visualize the distribution of 'Total day minutes'
plt.hist(dataset['Total day minutes'], bins = 100)
# Display the plot
plt.show()
输出:
代码:可视化搅拌工和非搅拌工之间客服电话的差异
# Create the box plot
sns.boxplot(x = 'Churn',
y = 'Customer service calls',
data = dataset,
sym = "",
hue = "International plan")
# Display the plot
plt.show()
输出:
看起来确实流失的客户最终会留下更多的客户服务电话，除非这些客户也有国际计划，在这种情况下，他们留下的客户服务电话会更少。这类信息对于更好地理解流失的驱动因素非常有用。现在是时候学习如何在建模之前对数据进行预处理了。
电信客户流失数据集的数据预处理
许多机器学习模型对数据如何分布做出了某些假设。一些假设如下:
- 特征是正态分布的
- 这些特征在同一尺度上
- 要素的数据类型是数字
在电信公司搅动数据、搅动、语音邮件计划和，国际计划尤其是二进制特征，可以很容易地转换成 0 和 1
# Features and Labels
X = dataset.iloc[:, 0:19].values
y = dataset.iloc[:, 19].values # Churn
# Encoding categorical data in X
from sklearn.preprocessing import LabelEncoder
labelencoder_X_1 = LabelEncoder()
X[:, 3] = labelencoder_X_1.fit_transform(X[:, 3])
labelencoder_X_2 = LabelEncoder()
X[:, 4] = labelencoder_X_2.fit_transform(X[:, 4])
# Encoding categorical data in y
labelencoder_y = LabelEncoder()
y = labelencoder_y.fit_transform(y)
编码:使用一次热编码的编码状态特征
# Removing extra column to avoid dummy variable trap
X_State = pd.get_dummies(X[:, 0], drop_first = True)
# Converting X to a dataframe
X = pd.DataFrame(X)
# Dropping the 'State' column
X = X.drop([0], axis = 1)
# Merging two dataframes
frames = [X_State, X]
result = pd.concat(frames, axis = 1, ignore_index = True)
# Final dataset with all numeric features
X = result
代码:创建训练和测试集
# Splitting the dataset into the Training and Test sets
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y,
test_size = 0.2,
random_state = 0)
代码:缩放训练和测试集的特征
# Feature Scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
代码:在训练集上训练一个随机森林分类器模型。
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
代码:进行预测
# Predict the labels for the test set
y_pred = clf.predict(X_test)
代码:评估模型性能
# Compute accuracy
from sklearn.metrics import accuracy_score
accuracy_score(y_test, y_pred)
输出:
代码:混淆矩阵
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, y_pred))
输出:
从混淆矩阵中，我们可以计算出以下指标:
- true positive(TP)= 51
- 真底片(总氮)= 575
- 假阳性(FP) = 4
- 假阴性(FN) = 37
- 精度= TP/(TP+FP) = 0.92
- 回忆= TP/(TP+FN) = 0.57
- 精度= (TP+TN)/(TP+TN+FP+FN) = 0.9385
版权属于：月萌API www.moonapi.com，转载请注明出处
