🧑 博主簡介：曾任某智慧城市類企業算法總監，目前在美國市場的物流公司從事高級算法工程師一職，深耕人工智能領域，精通python數據挖掘、可視化、機器學習等，發表過AI相關的專利并多次在AI類比賽中獲獎。CSDN人工智能領域的優質創作者，提供AI相關的技術咨詢、項目開發和個性化解決方案等服務，如有需要請站內私信或者聯系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉絲群介紹：① 群內初中生、高中生、本科生、研究生、博士生遍布，可互相學習，交流困惑。② 熱榜top10的常客也在群里，也有數不清的萬粉大佬，可以交流寫作技巧，上榜經驗，漲粉秘籍。③ 群內也有職場精英，大廠大佬，可交流技術、面試、找工作的經驗。④ 進群免費贈送寫作秘籍一份，助你由寫作小白晉升為創作大佬。⑤ 進群贈送CSDN評論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯系方式，備注自己的CSDN昵稱，拉你進群，互相學習共同進步。

一、引言

??在電信行業，用戶流失是一個關鍵問題，因為它直接影響到公司的收入和市場份額。通過分析用戶流失的原因，我們可以制定有效的策略來減少流失率，提高用戶滿意度和忠誠度。本文將使用 Python 進行數據處理、可視化、特征工程和模型構建，最終實現用戶流失的預測。

二、數據集介紹

??數據集包含以下字段：

• customerID：用戶ID
• gender：性別
• SeniorCitizen：是否是老年人（1代表是）
• Partner：是否有配偶（Yes or No）
• Dependents：是否經濟獨立（Yes or No）
• tenure：用戶入網時間
• PhoneService：是否開通電話業務（Yes or No）
• MultipleLines：是否開通多條電話業務（Yes、No or No phoneservice）
• InternetService：是否開通互聯網服務（No、DSL數字網絡或fiber optic光線網絡）
• OnlineSecurity：是否開通網絡安全服務（Yes、No or No internetservice）
• OnlineBackup：是否開通在線備份服務（Yes、No or No internetservice）
• DeviceProtection：是否開通設備保護服務（Yes、No or No internetservice）
• TechSupport：是否開通技術支持業務（Yes、No or No internetservice）
• StreamingTV：是否開通網絡電視（Yes、No or No internetservice）
• StreamingMovies：是否開通網絡電影（Yes、No or No internetservice）
• Contract：合同簽訂方式（按月、按年或者兩年）
• PaperlessBilling：是否開通電子賬單（Yes or No）
• PaymentMethod：付款方式（bank transfer、credit card、electronic check、mailed check）
• MonthlyCharges：月度費用
• TotalCharges：總費用
• Churn：是否流失（Yes or No）

三、環境準備

??在開始之前，請確保安裝了以下庫：

pip install pandas numpy seaborn matplotlib scikit-learn

四、數據清洗與探索

4.1 數據加載與預處理

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, confusion_matrix, roc_curve, auc# 加載數據
data = pd.read_csv("WA_Fn-UseC_-Telco-Customer-Churn.csv")# 將列名轉換為中文
data.columns = ['用戶ID', '性別', '是否老年人', '是否有配偶', '是否經濟獨立', '用戶入網時間','是否開通電話業務', '是否開通多條電話業務', '是否開通互聯網服務', '是否開通網絡安全服務','是否開通在線備份服務', '是否開通設備保護服務', '是否開通技術支持業務', '是否開通網絡電視','是否開通網絡電影', '合同簽訂方式', '是否開通電子賬單', '付款方式', '月度費用','總費用', '是否流失'
]# 將總費用列轉換為浮點型
data['總費用'] = pd.to_numeric(data['總費用'], errors='coerce').fillna(0)# 將是否流失列轉換為數值型
data['是否流失'] = data['是否流失'].map({'Yes': 1, 'No': 0})

4.2 數據探索

# 查看數據基本信息
print(data.info())
print(data.describe())# 查看數據樣本
print(data.sample(5))

4.3 缺失值處理

# 檢查缺失值
print(data.isnull().sum())# 填充缺失值
data['總費用'] = data['總費用'].fillna(data['總費用'].median())

4.4 數據分布

# 用戶流失率
churn_rate = data['是否流失'].mean() * 100
print(f"用戶流失率: {churn_rate:.2f}%")# 繪制用戶流失率餅圖
plt.figure(figsize=(6, 6))
data['是否流失'].value_counts().plot.pie(autopct='%1.1f%%', colors=['#4CAF50', '#F44336'])
plt.title("用戶流失率")
plt.show()

4.5 特征分布

# 不同性別用戶流失率
gender_churn = data.groupby('性別')['是否流失'].mean().reset_index()
sns.barplot(x='性別', y='是否流失', data=gender_churn)
plt.title("不同性別用戶流失率")
plt.show()# 不同合同類型用戶流失率
contract_churn = data.groupby('合同簽訂方式')['是否流失'].mean().reset_index()
sns.barplot(x='合同簽訂方式', y='是否流失', data=contract_churn)
plt.title("不同合同類型用戶流失率")
plt.show()

??具體的數據特征分布，參考【數據可視化-74】電信用戶流失數據可視化分析：Python + Pyecharts 炫酷大屏（含完整的數據，代碼）文章即可；

五、特征工程

5.1 啞變量轉換

# 將分類變量轉換為啞變量
data = pd.get_dummies(data, columns=['性別', '是否有配偶', '是否經濟獨立', '是否開通電話業務', '是否開通多條電話業務','是否開通互聯網服務', '是否開通網絡安全服務', '是否開通在線備份服務','是否開通設備保護服務', '是否開通技術支持業務', '是否開通網絡電視', '是否開通網絡電影','合同簽訂方式', '是否開通電子賬單', '付款方式'
])# 查看轉換后的數據
print(data.head())

5.2 特征選擇

# 選擇特征和目標變量
X = data.drop(['用戶ID', '是否流失'], axis=1)
y = data['是否流失']# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

六、模型構建與訓練

6.1 隨機森林模型

# 創建隨機森林分類器
rf = RandomForestClassifier(random_state=42)# 定義超參數范圍
param_grid = {'n_estimators': [50, 100, 150],'min_samples_split': [2, 5, 10],'min_samples_leaf': [1, 2, 4]
}# 使用 GridSearchCV 進行超參數調優
grid_search = GridSearchCV(rf, param_grid, cv=5)
grid_search.fit(X_train, y_train)# 輸出最佳超參數組合
print("最佳超參數組合為:", grid_search.best_params_)# 使用最佳超參數組合重新訓練模型
best_rf = grid_search.best_estimator_
best_rf.fit(X_train, y_train)

6.2 模型評估

# 在測試集上進行預測
y_pred = best_rf.predict(X_test)# 計算評估指標
accuracy = accuracy_score(y_test, y_pred)
precision = precision_score(y_test, y_pred)
recall = recall_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)print(f"準確率: {accuracy:.4f}")
print(f"精確率: {precision:.4f}")
print(f"召回率: {recall:.4f}")
print(f"F1值: {f1:.4f}")# 繪制混淆矩陣
conf_matrix = confusion_matrix(y_test, y_pred)
sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')
plt.xlabel("預測值")
plt.ylabel("實際值")
plt.title("混淆矩陣")
plt.show()

6.3 特征重要性

# 獲取特征重要性
feature_importances = best_rf.feature_importances_
feature_names = X.columns# 繪制特征重要性柱狀圖
plt.figure(figsize=(12, 8))
sns.barplot(x=feature_importances, y=feature_names)
plt.title("特征重要性")
plt.show()

6.4 ROC 曲線與 AUC 值

# 計算 ROC 曲線和 AUC 值
y_prob = best_rf.predict_proba(X_test)[:, 1]
fpr, tpr, _ = roc_curve(y_test, y_prob)
roc_auc = auc(fpr, tpr)# 繪制 ROC 曲線
plt.figure(figsize=(8, 6))
plt.plot(fpr, tpr, color='darkorange', lw=2, label=f'ROC 曲線 (AUC = {roc_auc:.2f})')
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlabel("假正率")
plt.ylabel("真正率")
plt.title("ROC 曲線")
plt.legend(loc="lower right")
plt.show()

七、分析總結與策略建議

7.1 關鍵發現

• 用戶入網時間：入網時間越短，流失率越高。
• 月度費用：月度費用越高，流失率越高。
• 總費用：總費用較低的用戶流失率較高。
• 合同類型：按月簽約的用戶流失率最高，而兩年簽約的用戶流失率最低。
• 付款方式：使用電子支票付款的用戶流失率最高，而使用銀行轉賬付款的用戶流失率最低。
• 互聯網服務類型：未開通互聯網服務的用戶流失率最高，而開通光纖互聯網服務的用戶流失率最低。

7.2 策略建議

• 優化合同策略：鼓勵用戶簽訂長期合同，如兩年合同，以降低流失率。
• 調整費用結構：對于新用戶，提供優惠的月度費用和總費用套餐，以吸引他們入網并長期使用。
• 改善付款方式：提供更多的付款方式選擇，特別是銀行轉賬和信用卡支付，以提高用戶滿意度。
• 增強互聯網服務：為用戶提供高質量的互聯網服務，特別是光纖互聯網服務，以提高用戶忠誠度。

希望這篇文章能幫助你更好地理解和分析電信用戶流失數據。如果你有任何問題或建議，歡迎在評論區留言！🎉

---