《大数据架构与设计》课程报告讲解-基于PySpark的客户流失预测.pptxVIP

基于PySpark的

客户流失预测

目

录1.数据集2.模型构建3.模型评估4.超参调优5.结果可视化6.总结

客户流失分析是为了更好地了解客户流失的根本原因，以减少客户流失和提高产品销售额。通过分析，找出是什么原因导致客户离开，谁有可能离开，以及能做些什么来留住客户。1数据集列名称说明Name客户姓名Age客户年龄TotalPurchase购买金额AccountManager0=无经理跟进，1=客户经理跟进Years客户的总年数Numsites使用公司服务的客户网站数量Onboarddate公司的多年客户Location客户地址Company客户公司

使用搭建的spark平台加载数据集1数据集数据集读取结果

2模型构建使用模型对数据集进行评估预测前，先要对数据的特征进行转换模型构建采用了梯度提升树回归和逻辑回归进行训练

2模型评估在前面我们将数据分为了两部分并通过管道方便的对训练集进行了拟合，70%用于训练，30%用于测试。使用ROC和PR曲线下面积评估两种测试集模型，取值范围在0到1之间，值越大说明准确率越高。梯度提升树回归逻辑回归

2模型评估分析流失用户的重要特征，可以看出使用公司服务的客户网站数量是影响客户是否流失的最重要特征。

3超参调优第一个模型因为参数往往不是最佳的可能不是最好的模型。利用超参调优能帮我们找到模型的最佳参数在超参调优时PySpark提供了两种验证方法：K-Fold交叉验证和train-validation交叉验证。K-Fold交叉验证：train-validation交叉验证：

3超参调优通过使用最佳参数可以让结果更为准确，使用下面的代码可以查看模型最佳参数：

4结果可视化流失客户和未流失客户在不同特征的分布如下：

4结果可视化下面的热图展示特征之间的相关性，通过颜色的深浅可以特征之间的关系：

4结果可视化最终通过训练得到的特征重要度如图所示：

5总结①可以根据使用公司服务的客户网站数量和客户的总年数预测流失，针对性地提出避免流失方案。②选用更多的新特征，构建更加准确的模型。