电信客户流失预测

案例 电信客户流失预测

• 案例简介

  • AT&T数据，用户个人，通话，上网等信息数据

  • 充分利用数据预测客户的流失情况

  • 帮助挽留用户，保证用户基数和活跃程度

• 数据说明

  • CustomerID 客户ID

  • Gender 性别

  • partneratt 配偶是否也为att用户

  • dependents_att 家人是否也是att用户

  • landline 是否使用att固话服务

  • internet_att/internet_other 是否使用att的互联网服务

  • Paymentbank/creditcard/electroinc 付款方式

  • MonthlyCharges 每月话费

  • TotalCharges 累计话费

  • Contract_month/1year 用户使用月度/年度合约

  • StreamingTv/streamingMovies 是否使用在线视频或者电影app

  • Churn 客户转化的flag

• 处理流程

  • 分析流程：数据概况分析->单变量分析->相关性分析与可视化->回归模型

    • 数据概况分析

      • 数据行/列数量

      • 缺失值分布

    • 单变量分析

      • 数字型变量的描述指标（平均值，最大最小值，标准差）

      • 类别型变量（多少个分类，各自占比）

      • 正负样本占比

    • 相关性分析与可视化

      • 按类别交叉对比

      • 变量之间的相关性分析

      • 散点图/热力图

    • 逻辑回归分析

                        》 模型建立

                        》模型评估与优化 

代码

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline 
churn=pd.read_csv('churn.csv')
churn.info()
#显示结果
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7043 entries, 0 to 7042
Data columns (total 16 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   Churn              7043 non-null   object 
 1   gender             7043 non-null   object 
 2   Partner_att        7043 non-null   int64  
 3   Dependents_att     7043 non-null   int64  
 4   landline           7043 non-null   int64  
 5   internet_att       7043 non-null   int64  
 6   internet_other     7043 non-null   int64  
 7   StreamingTV        7043 non-null   int64  
 8   StreamingMovies    7043 non-null   int64  
 9   Contract_Month     7043 non-null   int64  
 10  Contract_1YR       7043 non-null   int64  
 11  PaymentBank        7043 non-null   int64  
 12  PaymentCreditcard  7043 non-null   int64  
 13  PaymentElectronic  7043 non-null   int64  
 14  MonthlyCharges     7043 non-null   float64
 15  TotalCharges       7043 non-null   float64
dtypes: float64(2), int64(12), object(2)
memory usage: 880.5+ KB
#预测目标是churn，是类别型变量  gender也是类别型变量 需要对类别型变量进行处理

churn.head()
#显示结果

churn.describe()
#显示结果

#需要把churn和gender转变为数字型变量,使用get_dummies
churn=pd.get_dummies(churn)

7043 rows × 18 columns

#数据整理，将churn_yes保留，将female保留,drop不需要的数据
churn.drop(['Churn_No','gender_Male'],axis=1,inplace=True)
#churn_No。churn_Yes留一个即可，任何一个都可表达数值，本案例讲的是从训练数据中得出是否流失，churn_Yes中的1代表流失，0代表没有。
#留下gender_female,此时的1为女，0为难。需要在下面修改变量命名

churn
#显示结果

7043 rows × 16 columns

#变量大小写不规则，统一变成小写
churn.columns=churn.columns.str.lower()  #把所有的列名改为小写
churn.columns
#显示结果
Index(['partner_att', 'dependents_att', 'landline', 'internet_att',
       'internet_other', 'streamingtv', 'streamingmovies', 'contract_month',
       'contract_1yr', 'paymentbank', 'paymentcreditcard', 'paymentelectronic',
       'monthlycharges', 'totalcharges', 'churn_yes', 'gender_female'],
      dtype='object')

#将churn_yes重命名，方便后续的变量编写，修改列名，传入columns={"要被修改的列名"；‘修改后的列名’}
churn=churn.rename(columns={'churn_yes':'flag'})
churn=churn.rename(columns={'gender_female':'gender'})

churn
#显示结果；此时列名已经改变。

7043 rows × 16 columns

#二分类模型，查看样本分布情况，分析flag 1和0的占比
churn.flag.value_counts() #流失共有1869个，未流失5174个
#显示结果
0    5174
1    1869
Name: flag, dtype: int64

#大多数是未流失用户，流失用户占26.5%
churn.flag.value_counts(normalize=True)
#显示结果
0    0.73463
1    0.26537
Name: flag, dtype: float64

#churn.flag.value_counts(1)  #value_counts(1) 查看比例 
#等同churn.flag.value_counts(normalize=True)
#value_counts()  把每個值分別有多少展示一下.在 python 当中 除了 0 其他數字都是 true。所以在这里，括号里可以用任何数字表示。

summary=churn.groupby('flag') 
summary.mean()           #按流失率求各个部门占比，这几个数据流失比较明显 ~~~ internet_other	contract_month  paymentelectronic
#显示结果

结论：观察flag在0和1的情况下，所有自变量的差别 internet_other变量，在0的分组中，均值是0.35，在1的分组中，均值是0.69。数据显示如果使用别的公司的互联网，用户流失的概率就越高（拿0.35跟0.69对比，流失的数据占了没流失的近2倍。）

sns.countplot(y='contract_month',hue='flag',data=churn) #hue目标值是什么target

<matplotlib.axes._subplots.AxesSubplot at 0x232eef53fd0>

结论：contract_month为1的客户流失的概率更高，即与非按月付费客户相比，按月付费客户流失比例高

#围绕flag变量，分析其他变量与flag的相关关系；ascending=False降序
churn.corr()[['flag']].sort_values('flag',ascending=False)

#显示结果

结论：contract_month，internet_other，paymentelectronic与flag相关性高。

逻辑回归模型,

选择不同的数据进行建模，以下是对模型测试，并进行不断优化。

第一次，随机选取可用x数据

#设定因变量与自变量， y是 flag, x根据刚才的相关分析挑选contract_month,internet_other与streamingtv
#自变量可以分为几类，partner/dependents,internet,streaming，contract,payment,charges，后续可以自己挑选进行建模
#确定目标值和特征值
y=churn['flag']
x=churn[['contract_month','internet_other','streamingtv']]

#调用sklearn模块，随机抽取训练集与测试集
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=100)

#使用LR预测
from sklearn import linear_model
lr=linear_model.LogisticRegression()
lr.fit(x_train,y_train)
#LogisticRegression()

lr.intercept_
#array([-3.25029156])

lr.coef_
#array([[2.2229613 , 1.15089043, 0.24559832]])

模型的评估
y_pred_train=lr.predict(x_train)
y_pred_test=lr.predict(x_test)
import sklearn.metrics as metrics
metrics.accuracy_score(y_train,y_pred_train)
#0.7697768762677485

metrics.accuracy_score(y_test,y_pred_test)
#0.7453857075248462

from sklearn.metrics import roc_curve,auc
fpr,tpr,threshold=roc_curve(y_train,y_pred_train)
roc_auc=auc(fpr,tpr)
roc_auc
#0.7247770357096229

第二次，将是否使用在线视频 改为电子支付 测试对数据的影响

#设定因变量与自变量， y是 flag, x经过模型优化改变为contract_month,internet_other，将streamingtv调整为paymentelectronic
y=churn['flag']
x=churn[['contract_month','internet_other','paymentelectronic']]

#调用sklearn模块，随机抽取训练集与测试集
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=100)

#使用LR预测
from sklearn import linear_model
lr=linear_model.LogisticRegression()
lr.fit(x_train,y_train)
#LogisticRegression()

lr.intercept_
#array([-3.21842661])

lr.coef_
#array([[2.01264249, 1.05076404, 0.64248053]])

#模型的评估
y_pred_train=lr.predict(x_train)
y_pred_test=lr.predict(x_test)
import sklearn.metrics as metrics
metrics.accuracy_score(y_train,y_pred_train)
#0.7776876267748478
metrics.accuracy_score(y_test,y_pred_test)
#0.7624230951254141

from sklearn.metrics import roc_curve,auc
fpr,tpr,threshold=roc_curve(y_train,y_pred_train)
roc_auc=auc(fpr,tpr)
roc_auc
#0.6669635362478181

第三次，改变测试集和训练集的分布

#模型优化，测试集与训练集对半分.
y=churn['flag']
x=churn[['contract_month','internet_other','paymentelectronic']]

#调用sklearn模块，随机抽取训练集与测试集
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.5,random_state=100)

#使用LR预测
from sklearn import linear_model
lr=linear_model.LogisticRegression()
lr.fit(x_train,y_train)
#LogisticRegression()

lr.intercept_
#array([-3.22833942])

lr.coef_
#array([[2.03292538, 1.04095427, 0.62567014]])

#模型的评估
y_pred_train=lr.predict(x_train)
y_pred_test=lr.predict(x_test)
import sklearn.metrics as metrics
metrics.accuracy_score(y_train,y_pred_train)
#0.7779040045441636
metrics.accuracy_score(y_test,y_pred_test)
#0.768313458262351

from sklearn.metrics import roc_curve,auc
fpr,tpr,threshold=roc_curve(y_train,y_pred_train)
roc_auc=auc(fpr,tpr)
roc_auc
#0.666251219518281

结论：auc 的选择如果为0.5-1是推荐的。 风控0.6， 0.7， 0.8，很少有超过0.85的情况.(零点六几基本就可以用了，所以这里的数据为有效数据)

AUC的物理意义为任取一对例和负例，正例得分大于负例得分的概率，AUC越大，表明方法效果越好。

电信客户流失预测：系数1*特征1+系数2*特征2+系数3*特征3.。。。=流失概率

1，要针对沉默会员做会员重新激活，应该挑选具有什么特征的会员？

     按月付费的流失率比较高，想办法让用户办按年付费的套餐，可以给按月付费的老用户发广告，老用户回馈，充值返现。满减优惠。

2，商品A库存积压严重，现在要通过促销活动清仓，选择哪些类型的促销活动更容易实现该目标？

     根据类别找到更感兴趣的用户。不断换用户特征，测试出一批用户后，找出更可能买的用户特征。哪些用户更可能买。

3，网站需要大流量广告位来满足VIP商家的精准广告投放，具有哪些特征的广告位更符合VIP商家的客户需求？

     测试出的这一批用户，可以反过来看下用户所拥有的特征。

最后

以上就是幸福眼神为你收集整理的电信客户流失预测的全部内容，希望文章能够帮你解决电信客户流失预测所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。