银行客户流失预警模型——业务分析及代码（实战）

DataMiningCase

  

流失预警模型（二分类），代码原型为本人在某银行做的流失模型，AUC：83%、召回率：19.4%，精确率：85%（数据是外部数据/代码已脱敏）

你将习得：数据的处理、LightGBM、sklearn包（里面含有：GridSearchCV寻找最优参、StratifiedKFold分层5折切分、train_test_split单次数据切分等）、画AUC图、画混淆矩阵图，并输出预测名单。

注释覆盖率为80%左右，旨在帮助快速入门，新手级

该项目涉及的如下：

• 业务理解
  • 业务需求分析（实战）
• 数据理解
  • 数据质量探查
  • 重要特征探查
• 数据处理
  • preprocessing函（数据切分成训练用数据X，和校对数据y）
  • dropna（处理异常值字段）
  • pd.value_counts（正负样本情况）
  • fillna（null值填充）
  • smote（过采样）
• 特征工程
  • corr（特征相关系数图）
  • 正负样本特征柱状图
  • 正负样本特征线性图
  • rfecv（特征五折递归消除）
  • importance（基于模型的特征重要性）
• 模型训练
  • GridSearchCV（寻找最优参）
  • LightGBM参数详解
  • StratifiedKFold（分层5折模型训练）
  • train_test_split（单次切分模型训练）
  • 输出名单
  • ks值及优threshold
• 画图
  • plot/auc_plot（画AUC图）
  • confusion_matrix/plot_confusion_matrix（画混淆矩阵图）
• 模型评估及实验
  • 模板

说明

本专题并不用于商业用途，转载请注明本专题地址，如有侵权，请务必邮件通知作者。

本人水平有限，代码搬到外部环境难免有遗漏错误的地方，望不吝赐教，万分感谢。

有代码疑惑的地方也请找我。

Email：[email protected]

QQ：909336740