案例之 逻辑回归_电信用户流失预测

代码示例：

""" 案例：通过逻辑回归算法，针对于电信用户数据建模，进行流失预测分析； """# 导包importpandasaspdimportseabornassnsimportmatplotlib.pyplotaspltfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_score,precision_score,recall_score,f1_score,classification_report# 准确率,精确率,召回率,F1值,分类评估报告# 1.定义函数，演示：数据的预处理defdemo01_data_preprocessing():# 1.读取csv文件，获取df对象churn_df=pd.read_csv('./data/churn.csv')# 2.查看(处理前的)数据集# churn_df.info()# print(churn_df.head(5))# 3.因为Churn 和 gender列是字符串，所以需要进行one-hot编码（热编码处理）churn_df=pd.get_dummies(churn_df,columns=['Churn','gender'])# 4.查看(处理后的)数据集# churn_df.info()# print(churn_df.head(5))# 5.删除one-hot处理后新增的，冗余的列# 默认axis=0删除行，删除列axis=1。参1：要删除的列，参2：axis=1表示删除列，参3：inplace=True表示直接修改源数据，不返回新的数据集churn_df.drop(['Churn_No','gender_Male'],axis=1,inplace=True)# churn_df.info()# print(churn_df.head(5))# 6.修改列名，将Churn_Yes ——> flag，充当标签列churn_df.rename(columns={'Churn_Yes':'flag'},inplace=True)churn_df.info()print(churn_df.head(5))# False——>不流失，True——>流失# 7.查看数据值的分布print(churn_df['flag'].value_counts())# False：5174，True：1869# 2.定义函数，演示：数据的可视化defdemo02_data_visualization():# 1.读取csv文件，获取df对象churn_df=pd.read_csv('./data/churn.csv')# 2.对object类型的列（数据）做 one-hot编码处理churn_df=pd.get_dummies(churn_df,columns=['Churn','gender'])# 3.删除one-hot处理后新增的，冗余的列churn_df.drop(['Churn_No','gender_Male'],axis=1,inplace=True)# 4.修改列名，将Churn_Yes ——> flag，充当标签列churn_df.rename(columns={'Churn_Yes':'flag'},inplace=True)# 5.查看数据值的分布print(churn_df['flag'].value_counts())# False：5174，True：1869# 6.查看列名，方便我们一会儿抽取特征# 列名为：['Partner_att', 'Dependents_att', 'landline', 'internet_att','internet_other', 'StreamingTV', 'StreamingMovies', 'Contract_Month',# 'Contract_1YR', 'PaymentBank', 'PaymentCreditcard', 'PaymentElectronic','MonthlyCharges', 'TotalCharges', 'flag', 'gender_Female']print(churn_df.columns)# 7.数据的可视化，绘制 计数柱状图# 参1：数据集，参2：x轴的列名(月度会员)，参3：hue表示分组，根据分组进行绘制，这里是：是否流失(False:不流失，True:流失)sns.countplot(data=churn_df,x='Contract_Month',hue='flag')plt.show()# 3.定义函数，演示：逻辑回归算法的模型训练，预测，评估defdemo03_logistic_regression_model():# 1.加载数据集churn_df=pd.read_csv('./data/churn.csv')# 2.数据的预处理# 2.1 对object类型的列（数据）做 one-hot编码处理churn_df=pd.get_dummies(churn_df,columns=['Churn','gender'])# 2.2 删除one-hot处理后新增的，冗余的列churn_df.drop(['Churn_No','gender_Male'],axis=1,inplace=True)# 2.3 修改列名，将Churn_Yes ——> flag，充当标签列churn_df.rename(columns={'Churn_Yes':'flag'},inplace=True)# 2.4 提取特征列 和 标签列# x的特征列：月度会员，是否有互联网服务，是否是电子支付x=churn_df[['Contract_Month','internet_other','PaymentElectronic']]y=churn_df['flag']# False——>不流失，True——>流失# 2.5 划分训练集和测试集x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=23)# 3.特征工程（如：特征提取，特征预处理：归一化、标准化，特征降维，特征选择，特征组合），暂不处理# 4.模型训练# 4.1 创建（逻辑回归）模型对象estimator=LogisticRegression()# 4.2 模型训练estimator.fit(x_train,y_train)# 5.模型预测y_predict=estimator.predict(x_test)print(f'预测结果：{y_predict}')#预测结果：[False False True ... False True False]# 6.模型评估print(f'准确率：{estimator.score(x_test,y_test)}')# (预测前)准确率：0.7679205110007097print(f'准确率：{accuracy_score(y_test,y_predict)}')# (预测后)准确率：0.7679205110007097print(f'精确率：{precision_score(y_test,y_predict)}')# 精确率：0.5807692307692308print(f'召回率：{recall_score(y_test,y_predict)}')# 召回率：0.4092140921409214print(f'F1值：{f1_score(y_test,y_predict)}')# F1值：0.48012718600953896# macro avg 宏平均： 不考虑样本权重，直接求平均；适用于 数据均衡 的情况# weighted avg 样本权重平均：即 考虑样本权重，求平均；适用于数据不均衡 的情况print(f'分类评估报告：\n{classification_report(y_test,y_predict)}')# 4.测试if__name__=='__main__':# demo01_data_preprocessing()# demo02_data_visualization()demo03_logistic_regression_model()

（
1. 定义函数，演示：数据的预处理
def demo01_data_preprocessing():
One-Hot热编码处理即将String类型的Gender字段 拆分成 左侧bool类型的Gender_Male、Gender_Female两个字段。
简述步骤：读取csv文件、热编码处理 、删列、改列名、查看；
2. 定义函数，演示：数据的可视化
def demo02_data_visualization():
前1~ 5步与上一个函数相同。sns.countplot(data=churn_df, x='Contract_Month')中x='Contract_Month'表示根据月度会员做分析，x轴是月度会员；想看看流不流失hue='flag'，flag='false’表示数据不流失：
3. 定义函数，演示：逻辑回归算法的模型训练，预测，评估
def demo03_logistic_regression_model():①对于分类评估报告：False不流失、True流失，即流失与不流失中的：precision精确率、recall召回率、f1-scoreF1值、support数据集的个数，accuracy准确率、macro avg 宏平均、weighted avg 权重平均。
②macro avg 宏平均：逐个计算每个类的精确率，再求平均 即 不考虑样本权重，直接求平均；适用于数据均衡的情况。
③weighted avg 样本权重平均：即 考虑样本权重，求平均；适用于数据不均衡的情况。当数据非常多，值如果不均衡，增大某个权重、降低对方权重，两者即使量纲不同，差异也会变小；）