### 使用Python实现电信客户流失预测与分析 #### 导入必要的库 为了进行有效的数据处理和可视化，需导入一些常用的Python库。 ```python import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler, LabelEncoder from sklearn.metrics import classification_report, confusion_matrix from sklearn.linear_model import LogisticRegression import seaborn as sns import matplotlib.pyplot as plt ``` #### 加载并预览数据集 加载用于训练模型的数据文件，并查看前几条记录以了解其结构。 ```python data = pd.read_csv('telecom_churn.csv') # 假设CSV文件名为'telecom_churn.csv' print(data.head()) ``` #### 数据清洗与准备 对缺失值、异常值以及类别型特征编码等问题进行处理。对于`InternetService`这样的字段可以采用标签编码方式转换成数值形式以便后续建模使用[^2]。 ```python # 处理缺失值 (这里假设没有缺失值；如果有，则应适当填充或删除) # data.fillna(method='ffill', inplace=True) # 对分类变量进行编码 label_encoder = LabelEncoder() for column in ['gender', 'SeniorCitizen', 'Partner', 'Dependents', 'PhoneService', 'MultipleLines', 'InternetService', 'OnlineSecurity', 'OnlineBackup', 'DeviceProtection', 'TechSupport', 'StreamingTV', 'StreamingMovies', 'Contract', 'PaperlessBilling', 'PaymentMethod']: data[column] = label_encoder.fit_transform(data[column]) # 将目标列单独提取出来作为y target_column = 'Churn' # 流失标记通常为二元属性 X = data.drop([target_column], axis=1).values y = data[target_column].apply(lambda x: 1 if x == "Yes" else 0).values ``` #### 特征缩放 标准化连续型输入特性使得它们具有相似的比例范围，这有助于提高某些机器学习算法的表现效果。 ```python scaler = StandardScaler().fit(X) scaled_features = scaler.transform(X) ``` #### 划分训练集测试集 将原始样本随机划分为两个子集——一部分用来构建模型（训练），另一部分则留作评估性能之用（验证/测试）。 ```python X_train, X_test, y_train, y_test = train_test_split(scaled_features, y, test_size=0.3, random_state=42) ``` #### 构建逻辑回归模型 选择合适的监督式学习方法来拟合给定的历史观测资料，在此选用的是简单而经典的线性判别函数—Logistic Regression。 ```python logreg = LogisticRegression(max_iter=10000) model = logreg.fit(X_train, y_train) predictions = model.predict(X_test) ``` #### 结果评价 通过混淆矩阵和分类报告的形式直观呈现预测精度和其他统计量度。 ```python cm = confusion_matrix(y_test, predictions) sns.heatmap(cm, annot=True, fmt="d", cmap="Blues") plt.title("Confusion Matrix Heatmap") plt.show() cr = classification_report(y_test, predictions) print(cr) ``` #### 卡方检验的应用 在正式建立预测模型之前，可以通过执行χ²独立性测验判断不同因素之间是否存在关联关系，从而筛选出最具影响力的自变量参与最终的决策过程[^3]。 ```python from scipy.stats import chi2_contingency def perform_chi_square_tests(df): categorical_columns = df.select_dtypes(include=['object']).columns.tolist() results = [] for col in categorical_columns: contingency_table = pd.crosstab(index=df[col], columns=df['Churn']) stat, p_value, dof, expected = chi2_contingency(contingency_table) result = { 'Feature': col, 'Chi-Square Statistic': round(stat, 4), 'P-value': '{:.2e}'.format(p_value), 'Degrees of Freedom': dof } results.append(result) return pd.DataFrame(results) chi_squared_results = perform_chi_square_tests(data[['gender', 'SeniorCitizen', 'Partner', 'Dependents']]) print(chi_squared_results) ```