🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

一、引言

  在电信行业，用户流失是一个关键问题，因为它直接影响到公司的收入和市场份额。通过分析用户流失的原因，我们可以制定有效的策略来减少流失率，提高用户满意度和忠诚度。本文将使用 Python 进行数据处理、可视化、特征工程和模型构建，最终实现用户流失的预测。

二、数据集介绍

  数据集包含以下字段：

• customerID：用户ID
• gender：性别
• SeniorCitizen：是否是老年人（1代表是）
• Partner：是否有配偶（Yes or No）
• Dependents：是否经济独立（Yes or No）
• tenure：用户入网时间
• PhoneService：是否开通电话业务（Yes or No）
• MultipleLines：是否开通多条电话业务（Yes、No or No phoneservice）
• InternetService：是否开通互联网服务（No、DSL数字网络或fiber optic光线网络）
• OnlineSecurity：是否开通网络安全服务（Yes、No or No internetservice）
• OnlineBackup：是否开通在线备份服务（Yes、No or No internetservice）
• DeviceProtection：是否开通设备保护服务（Yes、No or No internetservice）
• TechSupport：是否开通技术支持业务（Yes、No or No internetservice）
• StreamingTV：是否开通网络电视（Yes、No or No internetservice）
• StreamingMovies：是否开通网络电影（Yes、No or No internetservice）
• Contract：合同签订方式（按月、按年或者两年）
• PaperlessBilling：是否开通电子账单（Yes or No）
• PaymentMethod：付款方式（bank transfer、credit card、electronic check、mailed check）
• MonthlyCharges：月度费用
• TotalCharges：总费用
• Churn：是否流失（Yes or No）

三、环境准备

  在开始之前，请确保安装了以下库：

pip install pandas numpy seaborn matplotlib scikit-learn

四、数据清洗与探索

4.1 数据加载与预处理

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# 加载数据
data = pd.read_csv("WA_Fn-UseC_-Telco-Customer-Churn.csv")# 将列名转换为中文
data.columns = ['用户ID', '性别', '是否老年人', '是否有配偶', '是否经济独立', '用户入网时间','是否开通电话业务', '是否开通多条电话业务', '是否开通互联网服务', '是否开通网络安全服务','是否开通在线备份服务', '是否开通设备保护服务', '是否开通技术支持业务', '是否开通网络电视','是否开通网络电影', '合同签订方式', '是否开通电子账单', '付款方式', '月度费用','总费用', '是否流失'
]# 将总费用列转换为浮点型
data['总费用'] = pd.to_numeric(data['总费用'], errors='coerce').fillna(0)# 将是否流失列转换为数值型
data['是否流失'] = data['是否流失'].map({'Yes': 1, 'No': 0})

4.2 数据探索

# 查看数据基本信息
print(data.info())
print(data.describe())# 查看数据样本
print(data.sample(5))

4.3 缺失值处理

# 检查缺失值
print(data.isnull().sum())# 填充缺失值
data['总费用'] = data['总费用'].fillna(data['总费用'].median())

4.4 数据分布

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

4.5 特征分布

# 不同性别用户流失率
gender_churn = data.groupby('性别')['是否流失'].mean().reset_index()
sns.barplot(x='性别', y='是否流失', data=gender_churn)
plt.title("不同性别用户流失率")
plt.show()# 不同合同类型用户流失率
contract_churn = data.groupby('合同签订方式')['是否流失'].mean().reset_index()
sns.barplot(x='合同签订方式', y='是否流失', data=contract_churn)
plt.title("不同合同类型用户流失率")
plt.show()

  具体的数据特征分布，参考【数据可视化-74】电信用户流失数据可视化分析：Python + Pyecharts 炫酷大屏（含完整的数据，代码）文章即可；

五、特征工程

5.1 哑变量转换

# 将分类变量转换为哑变量
data = pd.get_dummies(data, columns=['性别', '是否有配偶', '是否经济独立', '是否开通电话业务', '是否开通多条电话业务','是否开通互联网服务', '是否开通网络安全服务', '是否开通在线备份服务','是否开通设备保护服务', '是否开通技术支持业务', '是否开通网络电视', '是否开通网络电影','合同签订方式', '是否开通电子账单', '付款方式'
])# 查看转换后的数据
print(data.head())

5.2 特征选择

# 选择特征和目标变量
X = data.drop(['用户ID', '是否流失'], axis=1)
y = data['是否流失']# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

六、模型构建与训练

6.1 随机森林模型

# 创建随机森林分类器
rf = RandomForestClassifier(random_state=42)# 定义超参数范围
param_grid = {'n_estimators': [50, 100, 150],'min_samples_split': [2, 5, 10],'min_samples_leaf': [1, 2, 4]
}# 使用 GridSearchCV 进行超参数调优
grid_search = GridSearchCV(rf, param_grid, cv=5)
grid_search.fit(X_train, y_train)# 输出最佳超参数组合
print("最佳超参数组合为:", grid_search.best_params_)# 使用最佳超参数组合重新训练模型
best_rf = grid_search.best_estimator_
best_rf.fit(X_train, y_train)

6.2 模型评估

# 在测试集上进行预测
y_pred = best_rf.predict(X_test)# 计算评估指标
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"准确率: {accuracy:.4f}")
print(f"精确率: {precision:.4f}")
print(f"召回率: {recall:.4f}")
print(f"F1值: {f1:.4f}")# 绘制混淆矩阵
conf_matrix = confusion_matrix(y_test, y_pred)
sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')
plt.xlabel("预测值")
plt.ylabel("实际值")
plt.title("混淆矩阵")
plt.show()

6.3 特征重要性

# 获取特征重要性
feature_importances = best_rf.feature_importances_
feature_names = X.columns# 绘制特征重要性柱状图
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 曲线与 AUC 值

# 计算 ROC 曲线和 AUC 值
y_prob = best_rf.predict_proba(X_test)[:, 1]
fpr, tpr, _ = roc_curve(y_test, y_prob)
roc_auc = auc(fpr, tpr)# 绘制 ROC 曲线
plt.figure(figsize=(8, 6))
plt.plot(fpr, tpr, color='darkorange', lw=2, label=f'ROC 曲线 (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 曲线")
plt.legend(loc="lower right")
plt.show()

七、分析总结与策略建议

7.1 关键发现

• 用户入网时间：入网时间越短，流失率越高。
• 月度费用：月度费用越高，流失率越高。
• 总费用：总费用较低的用户流失率较高。
• 合同类型：按月签约的用户流失率最高，而两年签约的用户流失率最低。
• 付款方式：使用电子支票付款的用户流失率最高，而使用银行转账付款的用户流失率最低。
• 互联网服务类型：未开通互联网服务的用户流失率最高，而开通光纤互联网服务的用户流失率最低。

7.2 策略建议

• 优化合同策略：鼓励用户签订长期合同，如两年合同，以降低流失率。
• 调整费用结构：对于新用户，提供优惠的月度费用和总费用套餐，以吸引他们入网并长期使用。
• 改善付款方式：提供更多的付款方式选择，特别是银行转账和信用卡支付，以提高用户满意度。
• 增强互联网服务：为用户提供高质量的互联网服务，特别是光纤互联网服务，以提高用户忠诚度。

希望这篇文章能帮助你更好地理解和分析电信用户流失数据。如果你有任何问题或建议，欢迎在评论区留言！🎉

---