用户流失预测
领域: 市场营销 | 模型类型: CLASSIFICATION | 版本: 1
关键指标
- 训练任务: 用户流失预测
- 训练算法: rf
- 准确率: 1.000
- AUC: 1.000
- F1: 1.000
模型简介
基于信用卡客户人口属性与交易行为,预测客户是否将流失的二分类模型。
标签
- 随机森林
模型介绍
## 模型解决什么问题
本模型面向「银行信用卡客户流失预测」场景:基于客户的年龄、薪资水平、婚姻状况、信用额度、卡产品等级(蓝/银/金/铂金)、账户开立时长、近12个月交易金额与笔数、活跃度变化等行为与资产特征,预测该客户是否会流失(Attrition_Flag=Churn)。可用于营销活动前批量筛选高流失风险客户名单供挽留部门定向跟进,替代单靠人工经验打分的方式。
## 预测结果与指标
- 任务类型:分类预测
- 模型版本:1
- 训练算法:Random Forest
- 最佳指标:准确率 1.000 · AUC 1.000
## 数据集介绍
> 数据来源于[Kaggle](https://www.kaggle.com/datasets/whenamancodes/credit-card-customers-prediction)
- 样本量:7595 行
- 特征数:21
- 标签列:Attrition_Flag(分类)
常见问题
什么是用户流失预测?
基于信用卡客户人口属性与交易行为,预测客户是否将流失的二分类模型。
用户流失预测适用于哪些场景?
面向市场营销领域, 模型类型为CLASSIFICATION, 版本 1。
用户流失预测由谁发布?
逸思长天官方于 2026-11-17 发布。
用户流失预测有哪些标签?
随机森林。
发布者: 逸思长天官方 | 发布时间: 2026-11-17