用户流失预测——基于逻辑回归模型以及Python代码实现

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了用户流失预测——基于逻辑回归模型以及Python代码实现，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6572字，纯文字阅读大概需要10分钟。

内容图文

研究目的

有效预测当前用户是否流失，针对高价值的潜在流失用户进行精细化运营以此挽留目标用户。

用户流失预测

2.1用户流失定义

流失用户：上一个周期有下单而本周期没有下单的用户
非流失用户：上一个周期和本周期都有下单的用户

2.2用户流失率

以一个季度为周期，用户流失率指的是上一个周期有下单而本周期没有下单的用户数与上一个周期有下单的用户之比。
下图为近四个周期的用户流失率，平均流失率为19.76%。

2.3 用户流失分布

2.4指标设计

根据用户流失的原因整理出预测用户流失的指标。略

2.5用户流失预测模型

2.5.1数据预处理

本次实验选取的是2018年1月1日到2018年12月31日之间的用户订单相关的数据，共计X个用户。流失用户与非流失用户之比约为1:10。 按照5:1划分训练集与测试集数据。
将指标归一化处理

2.5.2相关性检验

采用person相关系数检验变量间的相关性，根据下表判断变量相关的强弱关系。

得出用户流失特征的相关系数矩阵

将上表中相关系数>0.7的指标按照加权平均法合并，合并后的相关系数矩阵，大部分指标系数相关性较低

2.5.3模型搭建

采用sklearn的逻辑回归分类器

2.5.4模型评价

正确率为4000/(4000+2000) = 66.67%，召回率= 4000/(4000+ 3000) = 57.14%
模型召回率较低，我们希望模型的召回率高一些。

2.5.5模型优化

• 样本数不均衡

1. 根据类别的样本量计算权重，比如用户流失的样本量少，则权重高于非流失用户
2. 增加流失样本的浓度，减少非流失用户数量，使得流失与非流失之比为1:1

• 正则化
  将L2正则化方法改成L1正则化，让一些不重要的特征系数归零，从而让模型系数稀疏

python实现代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler
import math

plt.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

#取消科学计数法
pd.set_option('display.float_format', lambda x: '%.3f' % x) #显示小数

file_path = 'churn.csv'
origin_dataset = pd.read_csv(file_path)
dataset.describe()  #指标的描述统计分析，比如最大值，最小值，均值，标准差
dataset.info()  #查看指标的记录数，数据类型

dataset = dataset.fillna(0) #缺失值填充

特征分布作图

plt.figure(figsize=(15,15))
plt.subplot2grid((3,3),(0,0))
users_sample.is_churn.value_counts().plot(kind='bar')
plt.title('用户流失分布')
plt.ylabel('用户数')

plt.subplot2grid((3,3),(0,1))
users_sample.tt_cnt[users_sample.tt_cnt>0].plot(kind='hist')
plt.title('用户XXX数')
plt.ylabel('用户数')

plt.subplot2grid((3,3),(0,2))
users_sample.user_cancel_rate[users_sample.user_cancel_rate>0].plot(kind='hist')
plt.title('用户XXXXX率')
plt.ylabel('用户数')

plt.subplot2grid((3,3),(1,0))
users_sample.auto_cancel_rate[users_sample.auto_cancel_rate>0].plot(kind='hist')
plt.title('XXXXXX率')
plt.ylabel('用户数')

plt.subplot2grid((3,3),(1,1))
users_sample.complaint_apply_rate[users_sample.complaint_apply_rate>0].plot(kind='hist')
plt.title('XXXX率')
plt.ylabel('用户数')

plt.subplot2grid((3,3),(1,2))
users_sample.reserve_timely_rate[users_sample.reserve_timely_rate>0].plot(kind='hist')
plt.title('XXXX率')
plt.ylabel('用户数')

归一化

#获取最大值，箱式图 上边缘 = Q3 + N*(Q3-Q1)
def maximum_by_box(data, column_name, n_times):
    df = data[data[column_name]!=0][column_name]
    q1 = df.quantile(0.25)
    q3 = df.quantile(0.75)
    minimum = q3 - (q3-q1)*n_times
    maximum = q3 + (q3-q1)*n_times
    return minimum, maximum

#自定义归一化方式
def standardize(x):
    return (x - np.mean(x))/(np.std(x))
def normalize(x, max_x):
    if x == 0:
        return 0
    elif x >= max_x:
        return 1
    normal_x = np.log10(x)/ np.log10(max_x)
    return normal_x

# 针对某个指标归一化
min_x , max_x = maximum_by_box(users_sample,'avg_offer_cnt',1.5)
avg_offer_cnt_normal = users_sample['avg_offer_cnt'].apply(normalize, max_x=max_x)

var_normal = pd.concat([avg_complaint_response_time_scale, avg_arbi_response_time_scale,avg_offer_cnt_normal, avg_within_1hour_offer_cnt_normal,avg_submit_first_offer_time_normal], axis=1)
var_normal.columns = ['avg_complaint_response_time_scale', 'avg_arbi_response_time_scale','avg_offer_cnt_normal', 'avg_within_1hour_offer_cnt_normal','avg_submit_first_offer_time_normal']
# 加上归一化后的指标
dataset_normal = pd.concat([users_sample, var_normal ], axis=1)
variables = dataset_normal.drop(['season','a1','is_churn','tt_cnt','paid_cnt','avg_complaint_response_time','avg_arbi_response_time','avg_offer_cnt','avg_within_1hour_offer_cnt','avg_submit_first_offer_time'], axis=1)  #去掉未归一化的指标

相关系数

#导出相关系数
var_corr = variables.corr()
pd.DataFrame(var_corr).to_excel('churn_corr2.xlsx')

# 合并列
def merge_columns(group, col_list):
    n = len(col_list)
    group_sum = 0
    for col in col_list:
        group_sum += group[col] 
    return group_sum / n  
     
#合并相关系数高的字段
serve_finish_timely = variables.apply(merge_columns, col_list=['reserve_timely_rate', 'sign_timely_rate', 'finish_48h_rate'], axis=1)
paid_discount = variables.apply(merge_columns, col_list=['coupon_paid_rate', 'third_paid_rate', 'security_fund_paid_rate'], axis=1)
 open_offer = variables.apply(merge_columns, col_list=['avg_offer_cnt_normal', 'avg_within_1hour_offer_cnt_normal', 'avg_submit_first_offer_time_normal'], axis=1)

add_merge_variables = pd.concat([serve_finish_timely,paid_discount,open_offer], axis=1)
add_merge_variables.columns = ['serve_finish_timely','paid_discount','open_offer']
merge_variables = pd.concat([variables,add_merge_variables], axis=1)

模型拟合

from sklearn.linear_model import LogisticRegression as LR
from sklearn.model_selection import train_test_split
import copy
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import cross_val_score

input_variables = copy.deepcopy(merge_variables)

#按照3:1划分训练集和测试集
X = input_variables.drop(['is_churn'], axis=1)
Y = input_variables.is_churn
X_train, X_test, Y_train, Y_test = train_test_split(X,Y, test_size=0.25, random_state=14)

model = LR( C=1,solver='liblinear') #  solver='liblinear'
model.fit(X_train, Y_train)

#交叉检验
accuracys = cross_val_score(model, X_train, Y_train, scoring=None, cv=10, n_jobs=1)
print(accuracys)
roc_score = cross_val_score(model, X_train, Y_train, scoring='roc_auc', cv=10, n_jobs=1)
print(roc_score)

# 预测测试数据集
Y_predict = model.predict(X_test)

#评价方式
accuracy = model.score(X_test, Y_test)  #=np.mean(Y_predict == Y_test)*100
print(accuracy)
#混肴矩阵
confusion_matrix(Y_test, Y_predict) 

# 预测结果与真实结果的作图比较
plt.subplot2grid((1,2), (0,0))
pd.DataFrame(Y_predict)[0].value_counts().plot(kind='bar')
plt.title("预测结果分布")
plt.ylabel('用户数')

plt.subplot2grid((1,2), (0,1))
pd.DataFrame(Y_test)['is_churn'].value_counts().plot(kind='bar')
plt.title("实际结果分布")
plt.ylabel('用户数')

plt.savefig('result.png')

内容总结

以上是互联网集市为您收集整理的用户流失预测——基于逻辑回归模型以及Python代码实现全部内容，希望文章能够帮你解决用户流失预测——基于逻辑回归模型以及Python代码实现所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端