【原创】Python用PyTorch机器学习分类预测银行客户流失模型数据分析报告论文（附代码数据） .docx

【原创】定制代写开发r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews/Computer science assignment代写/代做Project/数据挖掘和统计分析可视化调研报告/程序/PPT等/爬虫数据采集服务（附代码数据）, 咨询QQ：3025393450 有问题到百度搜索“大数据部落”就可以了 欢迎登陆官网：/datablog Python用PyTorch机器学习分类预测银行客户流失模型数据分析报告 分类问题属于机器学习问题的类别，其中给定一组功能，任务是预测离散值。分类问题的一些常见示例是，预测肿瘤是否为癌症，或者学生是否可能通过考试。 在本文中，鉴于银行客户的某些特征，我们将预测客户在6个月后是否可能离开银行。客户离开组织的现象也称为客户流失。因此，我们的任务是根据各种客户特征预测客户流失。 $ pip install pytorch 数据集 我们将在此 Kaggle链接中免费提供本文中将要使用的数据集。让我们将所需的库和数据集导入到我们的Python应用程序中： import torchimport torch.nn as nnimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns %matplotlib inline 我们可以使用库的read_csv()方法pandas来导入包含我们的数据集的CSV文件。 dataset = pd.read_csv(r'E:Datasets\customer_data.csv') 让我们打印数据集 ： dataset.shape 输出： (10000, 14) 输出显示该数据集具有1万条记录和14列。 我们可以使用head()pandas数据框的方法来打印数据集的前五行。 dataset.head() 输出： ? 您可以在我们的数据集中看到14列。根据前13列，我们的任务是预测第14列的值，即Exited。? 探索性数据分析 让我们对数据集进行一些探索性数据分析。我们将首先预测6个月后实际离开银行并使用饼图进行可视化的客户比例。 让我们首先增加图形的默认绘图大小： fig_size = plt.rcParams["figure.figsize"] fig_size[0] = 10 fig_size[1] = 8 plt.rcParams["figure.figsize"] = fig_size 以下脚本绘制该Exited列的饼图。 dataset.Exited.value_counts().plot(kind='pie', autopct='%1.0f%%', colors=['skyblue', 'orange'], explode=(0.05, 0.05)) 输出： ? 输出显示，在我们的数据集中，有20％的客户离开了银行。这里1代表客户离开银行的情况，0代表客户没有离开银行的情况。 让我们绘制数据集中所有地理位置的客户数量： sns.countplot(x='Geography', data=dataset) 输出： ? 输出显示，几乎一半的客户来自法国，而西班牙和德国的客户比例分别为25％。 现在，让我们绘制来自每个唯一地理位置的客户数量以及客户流失信息。我们可以使用库中的countplot()函数seaborn来执行此操作。 sns.countplot(x='Exited', hue='Geography', data=dataset) 输出： ?? 输出显示，尽管法国客户总数是西班牙和德国客户总数的两倍，但法国和德国客户离开银行的客户比例是相同的。同样，德国和西班牙客户的总数相同，但是离开银行的德国客户数量是西班牙客户的两倍，这表明德国客户在6个月后离开银行的可能性更大。 数据预处理 在训练PyTorch模型之前，我们需要预处理数据。如果查看数据集，您将看到它具有两种类型的列：数值列和分类列。数字列包含数字信息。CreditScore，Balance，Age等。类似地，Geography和Gender是分类列，因为它们含有分类信息，如客户的位置和性别。有几列可以视为数字列和类别列。例如，该HasCrCard列的值可以为1或0。但是，那HasCrCard列包含有关客户是否拥有信用卡的信息。 但是，这完全取决于数据集的领域知识。 让我们再次输出数据集中的所有列，并找出哪些列可以视为数字列，哪些列应该视为类别列。columns数据框的属性显示所有列名称： dataset.columns 输出： Index(['RowNumber', 'CustomerId', 'Surname', 'Cre