项目三教学文档：电信客户流失预测 —— 表格分类全流程

fu15935745682026-06-28 8:57

项目三教学文档：电信客户流失预测 ------ 表格分类全流程

https://gitee.com/ghaweiuptgb/machine-learning-AI.git (代码包)

使用说明 ：本文档是项目三的完整教学记录。每完成一个步骤，我会把该步骤的详细教学过程写入对应章节。

配套文件：

代码规范 ：逐行注释 + 图表中文（见根目录 .cursor/rules/）

讲解规范 ：详细讲解 + 新名词必解释 + Mermaid 图解 + 每步提供动手任务与验收标准参考答案

目录

步骤 标题 状态
[步骤 1](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 加载与初步检查 ✅ 已完成教学
[步骤 2](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 数据清洗 ✅ 已完成教学
[步骤 3](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) EDA 与业务洞察 ✅ 已完成教学
[步骤 4](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 特征与标签分离 + 分层划分 ✅ 已完成教学
[步骤 5](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 构建预处理 Pipeline ✅ 已完成教学
[步骤 6](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 模型 + Pipeline 一体训练 ✅ 已完成教学
[步骤 7](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 多模型对比 ✅ 已完成教学
[步骤 8](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 特征重要性与可解释性 ✅ 已完成教学
[步骤 9](#步骤 标题 状态 步骤 1 加载与初步检查 ✅ 已完成教学 步骤 2 数据清洗 ✅ 已完成教学 步骤 3 EDA 与业务洞察 ✅ 已完成教学 步骤 4 特征与标签分离 + 分层划分 ✅ 已完成教学 步骤 5 构建预处理 Pipeline ✅ 已完成教学 步骤 6 模型 + Pipeline 一体训练 ✅ 已完成教学 步骤 7 多模型对比 ✅ 已完成教学 步骤 8 特征重要性与可解释性 ✅ 已完成教学 步骤 9 模拟运营应用 ✅ 已完成教学) 模拟运营应用 ✅ 已完成教学

步骤 1：加载与初步检查

状态 ：✅ 已完成教学（报告见 reports/step1_data_inspection.txt）

1.1 本步目标

  1. 创建 project_03_churn/ 目录结构
  2. 加载 Telco Customer Churn 数据集
  3. 检查 customerID 是否应作为特征（应剔除）
  4. 列出数值特征 与类别特征列表
  5. 发现 TotalCharges 中的空格字符串问题

1.2 这一步在解决什么问题？

项目二学的是「极度不平衡 + 匿名特征」。项目三进入真实业务表格数据：

  • 有客户编号 、合同类型 、月费等可读字段
  • 数值列和类别列混在一起
  • 原始 CSV 常有脏数据（如空格当缺失）

在清洗和建模之前，必须先「验货」：行数对不对、哪些列能当特征、哪里有问题。

1.3 本步在整体流程中的位置

#mermaid-svg-g7DDNpcoCvk1Rz1H{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-g7DDNpcoCvk1Rz1H .error-icon{fill:#552222;}#mermaid-svg-g7DDNpcoCvk1Rz1H .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-g7DDNpcoCvk1Rz1H .marker{fill:#333333;stroke:#333333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .marker.cross{stroke:#333333;}#mermaid-svg-g7DDNpcoCvk1Rz1H svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-g7DDNpcoCvk1Rz1H p{margin:0;}#mermaid-svg-g7DDNpcoCvk1Rz1H .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster-label text{fill:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster-label span{color:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster-label span p{background-color:transparent;}#mermaid-svg-g7DDNpcoCvk1Rz1H .label text,#mermaid-svg-g7DDNpcoCvk1Rz1H span{fill:#333;color:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .node rect,#mermaid-svg-g7DDNpcoCvk1Rz1H .node circle,#mermaid-svg-g7DDNpcoCvk1Rz1H .node ellipse,#mermaid-svg-g7DDNpcoCvk1Rz1H .node polygon,#mermaid-svg-g7DDNpcoCvk1Rz1H .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .rough-node .label text,#mermaid-svg-g7DDNpcoCvk1Rz1H .node .label text,#mermaid-svg-g7DDNpcoCvk1Rz1H .image-shape .label,#mermaid-svg-g7DDNpcoCvk1Rz1H .icon-shape .label{text-anchor:middle;}#mermaid-svg-g7DDNpcoCvk1Rz1H .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .rough-node .label,#mermaid-svg-g7DDNpcoCvk1Rz1H .node .label,#mermaid-svg-g7DDNpcoCvk1Rz1H .image-shape .label,#mermaid-svg-g7DDNpcoCvk1Rz1H .icon-shape .label{text-align:center;}#mermaid-svg-g7DDNpcoCvk1Rz1H .node.clickable{cursor:pointer;}#mermaid-svg-g7DDNpcoCvk1Rz1H .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .arrowheadPath{fill:#333333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-g7DDNpcoCvk1Rz1H .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-g7DDNpcoCvk1Rz1H .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-g7DDNpcoCvk1Rz1H .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster text{fill:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H .cluster span{color:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-g7DDNpcoCvk1Rz1H .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-g7DDNpcoCvk1Rz1H rect.text{fill:none;stroke-width:0;}#mermaid-svg-g7DDNpcoCvk1Rz1H .icon-shape,#mermaid-svg-g7DDNpcoCvk1Rz1H .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-g7DDNpcoCvk1Rz1H .icon-shape p,#mermaid-svg-g7DDNpcoCvk1Rz1H .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-g7DDNpcoCvk1Rz1H .icon-shape .label rect,#mermaid-svg-g7DDNpcoCvk1Rz1H .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-g7DDNpcoCvk1Rz1H .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-g7DDNpcoCvk1Rz1H .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-g7DDNpcoCvk1Rz1H :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 步骤1 加载检查
步骤2 数据清洗
步骤3 EDA
步骤4 划分数据
步骤5~6 Pipeline
步骤7~9 模型与运营

1.4 名词解释（本步首次出现）

名词 是什么 为什么需要 在本项目中 易混淆
Telco Churn 电信客户是否流失（解约） 挽留高流失客户能省获客成本 标签列 Churn 不是欺诈检测
customerID 客户唯一编号 仅用于标识，与流失无关 建模时剔除 不是特征
数值特征 可取大小比较的列 模型需要区分类型 tenure、MonthlyCharges 不是类别列
类别特征 离散取值的列 需 One-Hot 等编码 Contract、gender 不是连续数值
TotalCharges 客户累计总费用 重要预测因子 读入时是字符串，含 11 行空格 不是 MonthlyCharges

1.5 项目目录结构

复制代码 
project_03_churn/
├── 教学文档.md          # 详细教学（本文件）
├── README.md            # 你的学习笔记
├── data/
│   └── WA_Fn-UseC_-Telco-Customer-Churn.csv
├── src/
│   └── train.py         # 主训练脚本
├── reports/figures/     # 图表输出
└── models/              # 最终 Pipeline 保存

1.6 任务清单

  • 创建 project_03_churn/ 目录结构
  • 下载 CSV 到 data/
  • 编写 src/train.py（含 load_data()、列类型检查）
  • 检查 customerID、TotalCharges 异常
  • 输出数值/类别特征列表
  • 保存 step1_data_inspection.txt

1.7 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

1.8 数据集概览（你的环境）

项目 数值
总行数 7,043
总列数 21（含 customerID + 19 特征 + Churn）
未流失 No 5,174（73.46%）
已流失 Yes 1,869（26.54%）
TotalCharges 空格行 11（多为 tenure=0 新用户）

与项目二对比 ：流失率约 26%，比欺诈 0.17% 均衡得多，Accuracy 在此项目相对更有参考价值（但仍要看 F1、Recall）。

1.9 数值特征 vs 类别特征

数值特征（3 列，dtype 已是数字）：

列名 含义
SeniorCitizen 是否老年客户（0/1）
tenure 在网时长（月）
MonthlyCharges 月费

类别特征（16 列，含待清洗的 TotalCharges）：

gender、Partner、Dependents、PhoneService、MultipleLines、InternetService、OnlineSecurity、OnlineBackup、DeviceProtection、TechSupport、StreamingTV、StreamingMovies、Contract、PaperlessBilling、PaymentMethod、TotalCharges（当前为字符串）

步骤 2 将把 TotalCharges 转为数值，清洗后数值特征变为 4 列。

1.10 customerID 为什么要剔除？

#mermaid-svg-v50qHWH24W0Glzde{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-v50qHWH24W0Glzde .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-v50qHWH24W0Glzde .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-v50qHWH24W0Glzde .error-icon{fill:#552222;}#mermaid-svg-v50qHWH24W0Glzde .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-v50qHWH24W0Glzde .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-v50qHWH24W0Glzde .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-v50qHWH24W0Glzde .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-v50qHWH24W0Glzde .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-v50qHWH24W0Glzde .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-v50qHWH24W0Glzde .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-v50qHWH24W0Glzde .marker{fill:#333333;stroke:#333333;}#mermaid-svg-v50qHWH24W0Glzde .marker.cross{stroke:#333333;}#mermaid-svg-v50qHWH24W0Glzde svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-v50qHWH24W0Glzde p{margin:0;}#mermaid-svg-v50qHWH24W0Glzde .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-v50qHWH24W0Glzde .cluster-label text{fill:#333;}#mermaid-svg-v50qHWH24W0Glzde .cluster-label span{color:#333;}#mermaid-svg-v50qHWH24W0Glzde .cluster-label span p{background-color:transparent;}#mermaid-svg-v50qHWH24W0Glzde .label text,#mermaid-svg-v50qHWH24W0Glzde span{fill:#333;color:#333;}#mermaid-svg-v50qHWH24W0Glzde .node rect,#mermaid-svg-v50qHWH24W0Glzde .node circle,#mermaid-svg-v50qHWH24W0Glzde .node ellipse,#mermaid-svg-v50qHWH24W0Glzde .node polygon,#mermaid-svg-v50qHWH24W0Glzde .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-v50qHWH24W0Glzde .rough-node .label text,#mermaid-svg-v50qHWH24W0Glzde .node .label text,#mermaid-svg-v50qHWH24W0Glzde .image-shape .label,#mermaid-svg-v50qHWH24W0Glzde .icon-shape .label{text-anchor:middle;}#mermaid-svg-v50qHWH24W0Glzde .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-v50qHWH24W0Glzde .rough-node .label,#mermaid-svg-v50qHWH24W0Glzde .node .label,#mermaid-svg-v50qHWH24W0Glzde .image-shape .label,#mermaid-svg-v50qHWH24W0Glzde .icon-shape .label{text-align:center;}#mermaid-svg-v50qHWH24W0Glzde .node.clickable{cursor:pointer;}#mermaid-svg-v50qHWH24W0Glzde .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-v50qHWH24W0Glzde .arrowheadPath{fill:#333333;}#mermaid-svg-v50qHWH24W0Glzde .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-v50qHWH24W0Glzde .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-v50qHWH24W0Glzde .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-v50qHWH24W0Glzde .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-v50qHWH24W0Glzde .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-v50qHWH24W0Glzde .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-v50qHWH24W0Glzde .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-v50qHWH24W0Glzde .cluster text{fill:#333;}#mermaid-svg-v50qHWH24W0Glzde .cluster span{color:#333;}#mermaid-svg-v50qHWH24W0Glzde div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-v50qHWH24W0Glzde .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-v50qHWH24W0Glzde rect.text{fill:none;stroke-width:0;}#mermaid-svg-v50qHWH24W0Glzde .icon-shape,#mermaid-svg-v50qHWH24W0Glzde .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-v50qHWH24W0Glzde .icon-shape p,#mermaid-svg-v50qHWH24W0Glzde .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-v50qHWH24W0Glzde .icon-shape .label rect,#mermaid-svg-v50qHWH24W0Glzde .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-v50qHWH24W0Glzde .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-v50qHWH24W0Glzde .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-v50qHWH24W0Glzde :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} customerID 7590-VHVEG
只是编号
与是否流失无因果关系
建模时必须剔除

每个 ID 唯一，模型若「记住 ID」等于作弊式过拟合，对新客户毫无用处。

1.11 核心代码解读

（1）load_data() ------ 本地优先 + 自动下载
python 复制代码 
if DATA_PATH.exists():
    return pd.read_csv(DATA_PATH)
_download_data(DATA_DOWNLOAD_URL, DATA_PATH)
return pd.read_csv(DATA_PATH)
要点 说明
本地优先 已下载则秒开
GitHub 备用 换电脑运行脚本可自动拉取（约 1 MB）
不提交 Git 已加入 .gitignore
（2）inspect_total_charges_issues() ------ 发现脏数据
python 复制代码 
stripped = df["TotalCharges"].astype(str).str.strip()
blank_mask = stripped.eq("") | stripped.eq("nan")
coerced = pd.to_numeric(stripped, errors="coerce")

发现 ：11 行是空字符串，对应 tenure=0 的新用户------还没产生账单，TotalCharges 为空。步骤 2 会用中位数填充或按业务规则处理。

1.12 动手任务

任务 A ：运行 python src/train.py，确认 7043 行

任务 B ：在 Python 中执行 df['Contract'].value_counts()，看看有几种合同

任务 C ：找出 tenure==0 的行数，与 TotalCharges 空格行是否一致？

任务 D：在 README 步骤 1 写下日期和一句话感受

1.13 验收标准

  • 能 pd.read_csv 加载并打印前 5 行
  • 能说出 customerID 为何不能当特征
  • 能列出数值特征与类别特征
  • 知道 TotalCharges 有 11 行需清洗

1.14 常见问题

1.14 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A 7043 行。
B 三种合同：Month-to-month、One year、Two year。
C tenure=0 共 11 行，与 TotalCharges 空格行一致。
D 示例：混合类型需清洗 TotalCharges。
验收标准答案
验收项 参考答案
read_csv 能加载并 head。
customerID 唯一 ID，不作特征。
数值/类别 数值 3 列 + 类别 15 列。
11 行 步骤 2 清洗。

Q：数据从哪下载？

A：运行 train.py 自动从 GitHub 下载。也可从 Kaggle Telco Churn 手动下载同名文件。

Q：SeniorCitizen 是数值还是类别？

A：虽是 0/1，但本质是「是否老年」，步骤 5 可当作数值或类别，本步先列入数值列。

Q：为何 TotalCharges 被读成字符串？

A：列里混有空格，pandas 整列按 object/str 读入。步骤 2 用 pd.to_numeric(..., errors='coerce') 修复。

1.15 本步小结

要点 内容
数据规模 7,043 行 × 21 列
流失率 约 26.5%
数值特征 SeniorCitizen、tenure、MonthlyCharges（3 列）
脏数据 TotalCharges 11 行空格
下一步 数据清洗

1.16 学习记录（请你填写）

  • 完成日期：
  • 动手任务完成情况：任务 A / B / C / D
  • 我对混合类型表格数据的初印象：
  • 疑问（如有）：

步骤 2：数据清洗

状态 ：✅ 已完成教学（报告见 reports/step2_data_cleaning.txt）

2.1 本步目标

  1. 将 TotalCharges 转为数值（errors='coerce'），处理 11 行空格
  2. 将 Churn 编码为 0/1 整数
  3. 检查重复行 、SeniorCitizen 是否已是 0/1
  4. 验收：清洗后无缺失值 ，y 为整数 0/1

2.2 这一步在解决什么问题？

步骤 1 发现 TotalCharges 是字符串、Churn 是 Yes/No。机器学习模型需要：

  • 数值列能算大小（TotalCharges 必须是 float）
  • 标签是 0/1（sklearn 分类器标准输入）

数据质量决定模型上限------脏数据不洗，后面 Pipeline 会报错或学偏。

2.3 本步在整体流程中的位置

#mermaid-svg-h97Q9paVWGnEaQsD{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-h97Q9paVWGnEaQsD .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-h97Q9paVWGnEaQsD .error-icon{fill:#552222;}#mermaid-svg-h97Q9paVWGnEaQsD .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-h97Q9paVWGnEaQsD .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-h97Q9paVWGnEaQsD .marker{fill:#333333;stroke:#333333;}#mermaid-svg-h97Q9paVWGnEaQsD .marker.cross{stroke:#333333;}#mermaid-svg-h97Q9paVWGnEaQsD svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-h97Q9paVWGnEaQsD p{margin:0;}#mermaid-svg-h97Q9paVWGnEaQsD .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-h97Q9paVWGnEaQsD .cluster-label text{fill:#333;}#mermaid-svg-h97Q9paVWGnEaQsD .cluster-label span{color:#333;}#mermaid-svg-h97Q9paVWGnEaQsD .cluster-label span p{background-color:transparent;}#mermaid-svg-h97Q9paVWGnEaQsD .label text,#mermaid-svg-h97Q9paVWGnEaQsD span{fill:#333;color:#333;}#mermaid-svg-h97Q9paVWGnEaQsD .node rect,#mermaid-svg-h97Q9paVWGnEaQsD .node circle,#mermaid-svg-h97Q9paVWGnEaQsD .node ellipse,#mermaid-svg-h97Q9paVWGnEaQsD .node polygon,#mermaid-svg-h97Q9paVWGnEaQsD .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-h97Q9paVWGnEaQsD .rough-node .label text,#mermaid-svg-h97Q9paVWGnEaQsD .node .label text,#mermaid-svg-h97Q9paVWGnEaQsD .image-shape .label,#mermaid-svg-h97Q9paVWGnEaQsD .icon-shape .label{text-anchor:middle;}#mermaid-svg-h97Q9paVWGnEaQsD .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-h97Q9paVWGnEaQsD .rough-node .label,#mermaid-svg-h97Q9paVWGnEaQsD .node .label,#mermaid-svg-h97Q9paVWGnEaQsD .image-shape .label,#mermaid-svg-h97Q9paVWGnEaQsD .icon-shape .label{text-align:center;}#mermaid-svg-h97Q9paVWGnEaQsD .node.clickable{cursor:pointer;}#mermaid-svg-h97Q9paVWGnEaQsD .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-h97Q9paVWGnEaQsD .arrowheadPath{fill:#333333;}#mermaid-svg-h97Q9paVWGnEaQsD .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-h97Q9paVWGnEaQsD .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-h97Q9paVWGnEaQsD .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-h97Q9paVWGnEaQsD .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-h97Q9paVWGnEaQsD .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-h97Q9paVWGnEaQsD .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-h97Q9paVWGnEaQsD .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-h97Q9paVWGnEaQsD .cluster text{fill:#333;}#mermaid-svg-h97Q9paVWGnEaQsD .cluster span{color:#333;}#mermaid-svg-h97Q9paVWGnEaQsD div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-h97Q9paVWGnEaQsD .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-h97Q9paVWGnEaQsD rect.text{fill:none;stroke-width:0;}#mermaid-svg-h97Q9paVWGnEaQsD .icon-shape,#mermaid-svg-h97Q9paVWGnEaQsD .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-h97Q9paVWGnEaQsD .icon-shape p,#mermaid-svg-h97Q9paVWGnEaQsD .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-h97Q9paVWGnEaQsD .icon-shape .label rect,#mermaid-svg-h97Q9paVWGnEaQsD .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-h97Q9paVWGnEaQsD .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-h97Q9paVWGnEaQsD .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-h97Q9paVWGnEaQsD :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 步骤1 发现问题
步骤2 数据清洗
步骤3 EDA
TotalCharges 数值化
Churn 0/1

2.4 名词解释（本步首次出现）

名词 大白话 本步用法
errors='coerce' 转不成数字的变成 NaN，不报错 TotalCharges 空格→NaN
fillna / 填充 用某个值补上缺失 tenure=0 填 0
标签编码 把 Yes/No 变成 0/1 Churn: No→0, Yes→1
中位数填充 用中间值补缺失 本数据集 11 行全用 0 即可

2.5 TotalCharges 怎么洗？（Mermaid）

#mermaid-svg-NmC3Z5iTDCot1HcA{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-NmC3Z5iTDCot1HcA .error-icon{fill:#552222;}#mermaid-svg-NmC3Z5iTDCot1HcA .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-NmC3Z5iTDCot1HcA .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-NmC3Z5iTDCot1HcA .marker{fill:#333333;stroke:#333333;}#mermaid-svg-NmC3Z5iTDCot1HcA .marker.cross{stroke:#333333;}#mermaid-svg-NmC3Z5iTDCot1HcA svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-NmC3Z5iTDCot1HcA p{margin:0;}#mermaid-svg-NmC3Z5iTDCot1HcA .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster-label text{fill:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster-label span{color:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster-label span p{background-color:transparent;}#mermaid-svg-NmC3Z5iTDCot1HcA .label text,#mermaid-svg-NmC3Z5iTDCot1HcA span{fill:#333;color:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA .node rect,#mermaid-svg-NmC3Z5iTDCot1HcA .node circle,#mermaid-svg-NmC3Z5iTDCot1HcA .node ellipse,#mermaid-svg-NmC3Z5iTDCot1HcA .node polygon,#mermaid-svg-NmC3Z5iTDCot1HcA .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-NmC3Z5iTDCot1HcA .rough-node .label text,#mermaid-svg-NmC3Z5iTDCot1HcA .node .label text,#mermaid-svg-NmC3Z5iTDCot1HcA .image-shape .label,#mermaid-svg-NmC3Z5iTDCot1HcA .icon-shape .label{text-anchor:middle;}#mermaid-svg-NmC3Z5iTDCot1HcA .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-NmC3Z5iTDCot1HcA .rough-node .label,#mermaid-svg-NmC3Z5iTDCot1HcA .node .label,#mermaid-svg-NmC3Z5iTDCot1HcA .image-shape .label,#mermaid-svg-NmC3Z5iTDCot1HcA .icon-shape .label{text-align:center;}#mermaid-svg-NmC3Z5iTDCot1HcA .node.clickable{cursor:pointer;}#mermaid-svg-NmC3Z5iTDCot1HcA .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-NmC3Z5iTDCot1HcA .arrowheadPath{fill:#333333;}#mermaid-svg-NmC3Z5iTDCot1HcA .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-NmC3Z5iTDCot1HcA .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-NmC3Z5iTDCot1HcA .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-NmC3Z5iTDCot1HcA .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-NmC3Z5iTDCot1HcA .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-NmC3Z5iTDCot1HcA .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster text{fill:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA .cluster span{color:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-NmC3Z5iTDCot1HcA .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-NmC3Z5iTDCot1HcA rect.text{fill:none;stroke-width:0;}#mermaid-svg-NmC3Z5iTDCot1HcA .icon-shape,#mermaid-svg-NmC3Z5iTDCot1HcA .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-NmC3Z5iTDCot1HcA .icon-shape p,#mermaid-svg-NmC3Z5iTDCot1HcA .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-NmC3Z5iTDCot1HcA .icon-shape .label rect,#mermaid-svg-NmC3Z5iTDCot1HcA .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-NmC3Z5iTDCot1HcA .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-NmC3Z5iTDCot1HcA .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-NmC3Z5iTDCot1HcA :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 是
否
TotalCharges 字符串
去空格 + to_numeric
tenure=0 且 NaN?
填 0（新用户无账单）
其余 NaN 用中位数
float64 数值列

2.6 任务清单

  • pd.to_numeric(..., errors='coerce') 转换 TotalCharges
  • tenure=0 的 11 行填 0
  • Churn 映射为 0/1 整数
  • 检查重复行、SeniorCitizen
  • 保存清洗报告

2.7 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

2.8 实验结果（你的环境）

项目 清洗前 清洗后
TotalCharges dtype str float64
TotalCharges NaN 11 行（空格） 0（11 行填 0）
Churn dtype str (Yes/No) int64 (0/1)
全表缺失值 0 0
完全重复行 --- 0
customerID 重复 --- 0
SeniorCitizen --- 0, 1 ✓

清洗后特征类型：

  • 数值特征（4 列）：SeniorCitizen、tenure、MonthlyCharges、TotalCharges
  • 类别特征（15 列）：gender、Contract 等

Churn 分布（不变）： 0=5174（73.46%），1=1869（26.54%）

2.9 核心代码解读

（1）clean_total_charges() ------ 新用户填 0
python 复制代码 
out[TOTAL_CHARGES_COL] = pd.to_numeric(
    out[TOTAL_CHARGES_COL].astype(str).str.strip(),
    errors="coerce",
)
new_user_mask = (out["tenure"] == 0) & out[TOTAL_CHARGES_COL].isna()
out.loc[new_user_mask, TOTAL_CHARGES_COL] = 0.0

为何填 0 而不是中位数？ tenure=0 表示刚入网，累计费用本应为 0；填中位数（约 1394）会歪曲事实。

（2）encode_churn_label() ------ Yes/No → 0/1
python 复制代码 
out[TARGET_COL] = out[TARGET_COL].map({"No": 0, "Yes": 1}).astype(int)
（3）clean_data() ------ 供后续步骤复用

后续步骤 3～9 可调用 clean_data(load_data()) 一键得到清洗后的表。

2.10 动手任务

任务 A ：清洗后执行 df['TotalCharges'].describe()，看 min/max

任务 B ：验证 df[df['tenure']==0]['TotalCharges'].unique() 是否全是 0

任务 C：思考：若删除 11 行而非填充，对流失率影响大吗？

任务 D：在 README 步骤 2 写下你的日期和一句话

2.11 验收标准

  • 能解释 errors='coerce' 的作用
  • 能说出 tenure=0 为何填 0
  • 清洗后 TotalCharges 为 float、Churn 为 0/1
  • 全表无缺失值

2.12 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A describe() 中 min≈0 ，max 约 8000+，dtype 为 float64。
B df[df['tenure']==0]['TotalCharges'].unique() 结果为 [0.]（仅 0）。
C 11/7043≈0.16%，对总体流失率 26.54% 影响可忽略；填充比删除更保留样本。
D 示例：「新用户 TotalCharges 填 0 符合业务含义。」
验收标准答案
验收项 参考答案
errors='coerce' 无法转数字的变成 NaN，便于发现脏数据再处理。
tenure=0 填 0 新用户尚未产生账单，总费用应为 0 而非缺失。
类型正确 TotalCharges→float64；Churn→int 0/1。
无缺失 清洗后 df.isnull().sum().sum()==0。

2.13 本步小结

要点 内容
TotalCharges str → float64，11 行新用户填 0
Churn Yes/No → 0/1
缺失值 0
数值特征 4 列（含 TotalCharges）
下一步 EDA 与业务洞察

2.14 学习记录（请你填写）

  • 完成日期：
  • 我对「数据质量决定上限」的理解：
  • 疑问（如有）：

步骤 3：EDA 与业务洞察

状态 ：✅ 已完成教学（报告见 reports/step3_eda_insights.txt，图表见 01_～03_ PNG）

3.1 本步目标

  1. 计算总体流失率
  2. 按 Contract（合同类型）分组看流失率
  3. 按 tenure（在网时长）分段看流失率
  4. 画 2～3 张图，回答「哪类客户更容易流失」

3.2 这一步在解决什么问题？

建模前先「用眼睛看数据」------EDA 不是为画图而画图，而是驱动业务策略：

  • 流失率整体多少？
  • 月付 vs 年付客户谁更爱跑？
  • 新客户是不是比老客户更容易流失？

这些发现会指导后面的特征工程和运营挽留策略。

3.3 名词解释（通俗版）

名词 大白话 本步
EDA 探索性数据分析，先摸清数据规律 本步核心
流失率 已流失客户 / 总客户 总体 26.54%
分组聚合 按某列分组再算指标 groupby Contract
pd.cut 把连续数值切成几段 tenure 按 12 月一段

3.4 哪类客户更容易流失？（Mermaid）

#mermaid-svg-XiUmtNQhkO3G0bdE{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-XiUmtNQhkO3G0bdE .error-icon{fill:#552222;}#mermaid-svg-XiUmtNQhkO3G0bdE .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-XiUmtNQhkO3G0bdE .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-XiUmtNQhkO3G0bdE .marker{fill:#333333;stroke:#333333;}#mermaid-svg-XiUmtNQhkO3G0bdE .marker.cross{stroke:#333333;}#mermaid-svg-XiUmtNQhkO3G0bdE svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-XiUmtNQhkO3G0bdE p{margin:0;}#mermaid-svg-XiUmtNQhkO3G0bdE .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster-label text{fill:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster-label span{color:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster-label span p{background-color:transparent;}#mermaid-svg-XiUmtNQhkO3G0bdE .label text,#mermaid-svg-XiUmtNQhkO3G0bdE span{fill:#333;color:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE .node rect,#mermaid-svg-XiUmtNQhkO3G0bdE .node circle,#mermaid-svg-XiUmtNQhkO3G0bdE .node ellipse,#mermaid-svg-XiUmtNQhkO3G0bdE .node polygon,#mermaid-svg-XiUmtNQhkO3G0bdE .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XiUmtNQhkO3G0bdE .rough-node .label text,#mermaid-svg-XiUmtNQhkO3G0bdE .node .label text,#mermaid-svg-XiUmtNQhkO3G0bdE .image-shape .label,#mermaid-svg-XiUmtNQhkO3G0bdE .icon-shape .label{text-anchor:middle;}#mermaid-svg-XiUmtNQhkO3G0bdE .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-XiUmtNQhkO3G0bdE .rough-node .label,#mermaid-svg-XiUmtNQhkO3G0bdE .node .label,#mermaid-svg-XiUmtNQhkO3G0bdE .image-shape .label,#mermaid-svg-XiUmtNQhkO3G0bdE .icon-shape .label{text-align:center;}#mermaid-svg-XiUmtNQhkO3G0bdE .node.clickable{cursor:pointer;}#mermaid-svg-XiUmtNQhkO3G0bdE .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-XiUmtNQhkO3G0bdE .arrowheadPath{fill:#333333;}#mermaid-svg-XiUmtNQhkO3G0bdE .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-XiUmtNQhkO3G0bdE .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-XiUmtNQhkO3G0bdE .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XiUmtNQhkO3G0bdE .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-XiUmtNQhkO3G0bdE .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XiUmtNQhkO3G0bdE .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster text{fill:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE .cluster span{color:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-XiUmtNQhkO3G0bdE .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-XiUmtNQhkO3G0bdE rect.text{fill:none;stroke-width:0;}#mermaid-svg-XiUmtNQhkO3G0bdE .icon-shape,#mermaid-svg-XiUmtNQhkO3G0bdE .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XiUmtNQhkO3G0bdE .icon-shape p,#mermaid-svg-XiUmtNQhkO3G0bdE .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-XiUmtNQhkO3G0bdE .icon-shape .label rect,#mermaid-svg-XiUmtNQhkO3G0bdE .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XiUmtNQhkO3G0bdE .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-XiUmtNQhkO3G0bdE .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-XiUmtNQhkO3G0bdE :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 总体流失率 26.5%
月付 42.7% 最高
一年期 11.3%
两年期 2.8% 最低
在网 0-12 月 47.4%
新客户高风险
在网 61-72 月 6.6%
老客户最稳

3.5 任务清单

  • 总体流失率
  • 按 Contract 分组流失率
  • 按 tenure 分段流失率
  • 3 张中文名图表 + 报告

3.6 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

3.7 实验结果（你的环境）

总体： 7,043 客户，1,869 流失，流失率 26.54%

按合同类型：

合同 客户数 流失率
Month-to-month（月付） 3,875 42.71%
One year（一年期） 1,473 11.27%
Two year（两年期） 1,695 2.83%

按在网时长：

分段 客户数 流失率
0-12月(新) 2,186 47.44%
13-24月 1,024 28.71%
25-36月 832 21.63%
37-48月 762 19.03%
49-60月 832 14.42%
61-72月 1,407 6.61%

业务回答：

  1. 月付客户最容易流失（无长期绑定，随时可退）
  2. 新客户 （0-12 月）流失率近 47%，需 onboarding 挽留
  3. 两年期 + 老客户最稳定，维护满意度即可

3.8 输出文件

文件 说明
reports/step3_eda_insights.txt EDA 业务洞察报告
reports/figures/01_流失标签分布.png 流失/未流失人数
reports/figures/02_合同类型流失率对比.png 三种合同流失率
reports/figures/03_在网时长分段流失率.png tenure 分段流失率

3.9 动手任务

任务 A：为何月付流失率是两年期的 15 倍？

任务 B：若你是运营，会先挽留哪两类客户？

任务 C：打开图 03，流失率随在网时长如何变化？

3.10 验收标准

  • 能说出总体流失率
  • 能指出最高/最低流失率的合同类型
  • 能解释新客户为何高风险
  • 能读懂 3 张 EDA 图

3.11 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A 月付 42.7% vs 两年期 2.8% ，约 15 倍；月付无长期绑定、切换成本低。
B 月付合同客户 + 在网 0～12 月新客（流失率约 47.4%）。
C 图 03：0～12 月流失率最高（≈47%），随 tenure 增加整体下降，61～72 月仅约 6.6%。
验收标准答案
验收项 参考答案
总体流失率 26.54%。
最高/最低合同 最高：Month-to-month 42.7% ；最低：Two year 2.8%。
新客户高风险 刚入网尚未形成习惯与沉没成本，竞品拉走更容易。
三张 EDA 图 01 流失标签分布；02 合同类型流失率；03 在网时长分段流失率。

3.12 本步小结

要点 内容
总体流失率 26.54%
最高风险 月付 42.7% + 新用户 47.4%
最低风险 两年期 2.8% ，61-72 月 6.6%
下一步 特征标签分离 + 分层划分

3.13 学习记录（请你填写）

  • 完成日期：
  • 我印象最深的发现：
  • 疑问（如有）：

步骤 4：特征与标签分离 + 分层划分

状态 ：✅ 已完成教学（报告见 reports/step4_train_test_split.txt，图表见 04_～05_ PNG）

4.1 本步目标

  1. X 去掉 customerID 和 Churn；y 为 Churn（0/1）
  2. train_test_split(stratify=y, test_size=0.2, random_state=42)
  3. 验证训练/测试/全集流失占比一致

4.2 这一步在解决什么问题？

模型需要「考题」（X）和「标准答案」（y）分开。还要把数据切成：

  • 训练集：用来教模型
  • 测试集：用来考试（模拟没见过的新客户）

用 stratify 分层抽样，保证训练集和测试集里的流失比例与总体一致------否则测试分数可能失真。

4.3 名词解释（通俗版）

名词 大白话 本步
X（特征） 用来预测的输入 19 列（无 ID、无标签）
y（标签） 要预测的目标 Churn 0/1
train_test_split 随机切分训练/测试 80% / 20%
stratify 分层抽样，保持类别比例 stratify=y

4.4 分层划分示意（Mermaid）

#mermaid-svg-DTD9tjb36vf5Toq4{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-DTD9tjb36vf5Toq4 .error-icon{fill:#552222;}#mermaid-svg-DTD9tjb36vf5Toq4 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-DTD9tjb36vf5Toq4 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-DTD9tjb36vf5Toq4 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-DTD9tjb36vf5Toq4 .marker.cross{stroke:#333333;}#mermaid-svg-DTD9tjb36vf5Toq4 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-DTD9tjb36vf5Toq4 p{margin:0;}#mermaid-svg-DTD9tjb36vf5Toq4 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster-label text{fill:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster-label span{color:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster-label span p{background-color:transparent;}#mermaid-svg-DTD9tjb36vf5Toq4 .label text,#mermaid-svg-DTD9tjb36vf5Toq4 span{fill:#333;color:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 .node rect,#mermaid-svg-DTD9tjb36vf5Toq4 .node circle,#mermaid-svg-DTD9tjb36vf5Toq4 .node ellipse,#mermaid-svg-DTD9tjb36vf5Toq4 .node polygon,#mermaid-svg-DTD9tjb36vf5Toq4 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-DTD9tjb36vf5Toq4 .rough-node .label text,#mermaid-svg-DTD9tjb36vf5Toq4 .node .label text,#mermaid-svg-DTD9tjb36vf5Toq4 .image-shape .label,#mermaid-svg-DTD9tjb36vf5Toq4 .icon-shape .label{text-anchor:middle;}#mermaid-svg-DTD9tjb36vf5Toq4 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-DTD9tjb36vf5Toq4 .rough-node .label,#mermaid-svg-DTD9tjb36vf5Toq4 .node .label,#mermaid-svg-DTD9tjb36vf5Toq4 .image-shape .label,#mermaid-svg-DTD9tjb36vf5Toq4 .icon-shape .label{text-align:center;}#mermaid-svg-DTD9tjb36vf5Toq4 .node.clickable{cursor:pointer;}#mermaid-svg-DTD9tjb36vf5Toq4 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-DTD9tjb36vf5Toq4 .arrowheadPath{fill:#333333;}#mermaid-svg-DTD9tjb36vf5Toq4 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-DTD9tjb36vf5Toq4 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-DTD9tjb36vf5Toq4 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-DTD9tjb36vf5Toq4 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-DTD9tjb36vf5Toq4 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-DTD9tjb36vf5Toq4 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster text{fill:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 .cluster span{color:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-DTD9tjb36vf5Toq4 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-DTD9tjb36vf5Toq4 rect.text{fill:none;stroke-width:0;}#mermaid-svg-DTD9tjb36vf5Toq4 .icon-shape,#mermaid-svg-DTD9tjb36vf5Toq4 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-DTD9tjb36vf5Toq4 .icon-shape p,#mermaid-svg-DTD9tjb36vf5Toq4 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-DTD9tjb36vf5Toq4 .icon-shape .label rect,#mermaid-svg-DTD9tjb36vf5Toq4 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-DTD9tjb36vf5Toq4 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-DTD9tjb36vf5Toq4 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-DTD9tjb36vf5Toq4 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 全集 7043 人 流失 26.54%
训练集 5634 80%
测试集 1409 20%
流失占比 26.54%
流失占比 26.54%

4.5 任务清单

  • split_features_target() 分离 X/y
  • stratify=y 分层划分
  • 打印流失占比对比表
  • 保存 2 张中文图表 + 报告

4.6 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

4.7 实验结果（你的环境）

数据集 样本数 流失数 流失占比
全集 7,043 1,869 26.5370%
训练集 5,634 1,495 26.5353%
测试集 1,409 374 26.5436%

特征矩阵： X_train (5634, 19)，X_test (1409, 19)

三者流失占比几乎相同 ------ stratify 生效。

4.8 输出文件

文件 说明
reports/step4_train_test_split.txt 划分报告
reports/figures/04_训练测试集数量对比.png 80/20 数量
reports/figures/05_分层抽样流失占比对比.png 流失占比对比

4.9 重要提醒

  1. 预处理只能 fit 训练集 ：Imputer、Scaler、OneHot 的统计量来自 X_train，再 transform 测试集
  2. 测试集不能参与训练 ：y_test 只在最终评估时用
  3. 与项目二相同：stratify 在不平衡/分类场景都适用

4.10 动手任务

任务 A：不用 stratify 再划分一次，看测试集流失占比偏差多少？

任务 B：19 个特征里，哪些是数值、哪些是类别？（步骤 2 已分过）

任务 C：在 README 写下 train/test 样本数

4.11 验收标准

  • 能说出 X、y 各是什么
  • 能解释 stratify 的作用
  • 训练/测试流失占比与总体接近
  • 知道预处理不能先 fit 全量数据

4.12 本步小结

4.12 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A 无 stratify 测试流失占比可能偏 1～2 点；有则均 26.54%。
B 数值 4 列 + 类别 15 列 = 19 特征。
C 5634 / 1409。
验收标准答案
验收项 参考答案
X/y X 19 列；y 为 Churn。
stratify 保持流失比例。
占比接近 均 26.54%。
不能全量 fit 会泄露测试集信息。
要点 内容
特征数 19 列（剔除 customerID）
训练/测试 5634 / 1409（80/20）
流失占比 三者均约 26.54%
下一步 构建预处理 Pipeline

4.13 学习记录（请你填写）

  • 完成日期：
  • 我对 stratify 的理解：
  • 疑问（如有）：

步骤 5：构建预处理 Pipeline

状态 ：✅ 已完成教学（报告见 reports/step5_preprocessor.txt，图表见 06_ PNG）

5.1 本步目标

  1. 数值列 ：SimpleImputer(median) + StandardScaler
  2. 类别列 ：SimpleImputer(most_frequent) + OneHotEncoder
  3. 用 ColumnTransformer 组合
  4. 演示 preprocessor.fit_transform(X_train) 的 shape

5.2 这一步在解决什么问题？

原始数据里数值和类别混在一起，模型不能直接吃字符串。需要一条预处理流水线：

  • 数值：填缺失 + 缩放到相近量纲
  • 类别：填缺失 + One-Hot 变成 0/1 列

且统计量（中位数、众数、均值方差）只能来自训练集，否则会泄露测试集信息。

5.3 名词解释（通俗版）

名词 大白话 本步
SimpleImputer 自动填缺失值 数值用中位数，类别用众数
StandardScaler 数值标准化到均值0方差1 4 个数值列
OneHotEncoder 每个类别取值变一列 0/1 15 个类别列展开
ColumnTransformer 对不同列用不同变换 num + cat 两路
Label Encoding 把类别编成 0,1,2... 不用（会引入虚假顺序）

5.4 预处理流程（Mermaid）

#mermaid-svg-D2py7V1B39ye4oVT{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-D2py7V1B39ye4oVT .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-D2py7V1B39ye4oVT .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-D2py7V1B39ye4oVT .error-icon{fill:#552222;}#mermaid-svg-D2py7V1B39ye4oVT .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-D2py7V1B39ye4oVT .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-D2py7V1B39ye4oVT .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-D2py7V1B39ye4oVT .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-D2py7V1B39ye4oVT .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-D2py7V1B39ye4oVT .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-D2py7V1B39ye4oVT .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-D2py7V1B39ye4oVT .marker{fill:#333333;stroke:#333333;}#mermaid-svg-D2py7V1B39ye4oVT .marker.cross{stroke:#333333;}#mermaid-svg-D2py7V1B39ye4oVT svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-D2py7V1B39ye4oVT p{margin:0;}#mermaid-svg-D2py7V1B39ye4oVT .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-D2py7V1B39ye4oVT .cluster-label text{fill:#333;}#mermaid-svg-D2py7V1B39ye4oVT .cluster-label span{color:#333;}#mermaid-svg-D2py7V1B39ye4oVT .cluster-label span p{background-color:transparent;}#mermaid-svg-D2py7V1B39ye4oVT .label text,#mermaid-svg-D2py7V1B39ye4oVT span{fill:#333;color:#333;}#mermaid-svg-D2py7V1B39ye4oVT .node rect,#mermaid-svg-D2py7V1B39ye4oVT .node circle,#mermaid-svg-D2py7V1B39ye4oVT .node ellipse,#mermaid-svg-D2py7V1B39ye4oVT .node polygon,#mermaid-svg-D2py7V1B39ye4oVT .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-D2py7V1B39ye4oVT .rough-node .label text,#mermaid-svg-D2py7V1B39ye4oVT .node .label text,#mermaid-svg-D2py7V1B39ye4oVT .image-shape .label,#mermaid-svg-D2py7V1B39ye4oVT .icon-shape .label{text-anchor:middle;}#mermaid-svg-D2py7V1B39ye4oVT .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-D2py7V1B39ye4oVT .rough-node .label,#mermaid-svg-D2py7V1B39ye4oVT .node .label,#mermaid-svg-D2py7V1B39ye4oVT .image-shape .label,#mermaid-svg-D2py7V1B39ye4oVT .icon-shape .label{text-align:center;}#mermaid-svg-D2py7V1B39ye4oVT .node.clickable{cursor:pointer;}#mermaid-svg-D2py7V1B39ye4oVT .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-D2py7V1B39ye4oVT .arrowheadPath{fill:#333333;}#mermaid-svg-D2py7V1B39ye4oVT .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-D2py7V1B39ye4oVT .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-D2py7V1B39ye4oVT .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-D2py7V1B39ye4oVT .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-D2py7V1B39ye4oVT .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-D2py7V1B39ye4oVT .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-D2py7V1B39ye4oVT .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-D2py7V1B39ye4oVT .cluster text{fill:#333;}#mermaid-svg-D2py7V1B39ye4oVT .cluster span{color:#333;}#mermaid-svg-D2py7V1B39ye4oVT div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-D2py7V1B39ye4oVT .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-D2py7V1B39ye4oVT rect.text{fill:none;stroke-width:0;}#mermaid-svg-D2py7V1B39ye4oVT .icon-shape,#mermaid-svg-D2py7V1B39ye4oVT .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-D2py7V1B39ye4oVT .icon-shape p,#mermaid-svg-D2py7V1B39ye4oVT .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-D2py7V1B39ye4oVT .icon-shape .label rect,#mermaid-svg-D2py7V1B39ye4oVT .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-D2py7V1B39ye4oVT .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-D2py7V1B39ye4oVT .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-D2py7V1B39ye4oVT :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} X_train 19 列
ColumnTransformer
数值 4 列: Imputer + Scaler
类别 15 列: Imputer + OneHot
合并 45 列矩阵

5.5 任务清单

  • 数值/类别列分离
  • 构建 ColumnTransformer
  • 仅 X_train fit，train/test transform
  • 验证无 NaN、shape 合理
  • 保存报告与列数对比图

5.6 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

5.7 实验结果（你的环境）

项目 数值
数值列 4：SeniorCitizen, tenure, MonthlyCharges, TotalCharges
类别列 15：gender, Contract 等
X_train 原始 shape (5634, 19)
X_train 变换后 shape (5634, 45)
X_test 变换后 shape (1409, 45)
变换后 NaN 0

为何 19 → 45？ 15 个类别列经 One-Hot 展开成约 41 列，加上 4 个数值列 ≈ 45 列。

特征名示例： num__tenure、cat__Contract_Month-to-month

5.8 输出文件

文件 说明
reports/step5_preprocessor.txt 预处理配置与全部特征名
reports/figures/06_预处理前后特征列数对比.png 19 vs 45 列

5.9 为何 One-Hot 不用 Label Encoding？

Contract 有 Month-to-month / One year / Two year，没有大小顺序。若编成 0,1,2，模型会误以为「两年期 > 月付」------这是虚假关系。One-Hot 每类独立一列，更合理。

5.10 动手任务

任务 A ：打开 step5_preprocessor.txt，数一下 cat__Contract_ 有几列？

任务 B：若只在全量 X 上 fit 再划分，会泄露什么信息？

任务 C：SeniorCitizen 是 0/1，为何仍走数值流水线而非 One-Hot？

5.11 验收标准

  • 能说出数值/类别各自的处理步骤
  • 能解释为何只在 X_train 上 fit
  • 变换后无 NaN，列数从 19 增至 45
  • 能区分 One-Hot 与 Label Encoding

5.12 本步小结

5.12 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A cat__Contract_ 共 3 列。
B 泄露测试集类别/均值分布。
C 0/1 已数值化，走数值流水线可少扩维（也可 One-Hot，本项目 ColumnTransformer 对类别用 One-Hot）。
验收标准答案
验收项 参考答案
数值/类别处理 Imputer+Scaler / Imputer+OneHot。
只 fit 训练集 测试 transform。
19→45 无 NaN。
One-Hot vs Label One-Hot 无虚假顺序；Label 编码有大小关系风险。
要点 内容
预处理器 ColumnTransformer
shape 19 → 45 列
NaN 0
关键原则 只 fit 训练集
下一步 Pipeline + 逻辑回归（步骤 6）

5.13 学习记录（请你填写）

  • 完成日期：
  • 我对 One-Hot 的理解：
  • 疑问（如有）：

步骤 6：模型 + Pipeline 一体训练

状态 ：✅ 已完成教学（报告见 reports/step6_lr_pipeline.txt，图表见 07_ PNG）

6.1 本步目标

  1. Pipeline([('preprocessor', ...), ('classifier', LogisticRegression)])
  2. 训练集 fit，测试集 predict
  3. 输出 classification_report 和混淆矩阵

6.2 这一步在解决什么问题？

步骤 5 的预处理和模型是分开的。若手工写：

python 复制代码 
preprocessor.fit(X_train)
X_train_t = preprocessor.transform(X_train)
model.fit(X_train_t, y_train)
# 若不小心用全量 X fit preprocessor → 泄露！

Pipeline 把预处理和模型串成一条链，pipeline.fit(X_train, y_train) 一步完成，内部保证顺序正确、无泄露。

6.3 名词解释（通俗版）

名词 大白话 本步
Pipeline 多步操作串成一条流水线 preprocessor + LR
一步 fit 一次调用完成预处理+训练 pipeline.fit
流失 Recall 真流失中被找出的比例 测试 0.56
流失 Precision 预测流失中真是流失的比例 测试 0.66

6.4 Pipeline 如何防泄露？（Mermaid）

#mermaid-svg-TK0UFMPJKWE8tS22{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-TK0UFMPJKWE8tS22 .error-icon{fill:#552222;}#mermaid-svg-TK0UFMPJKWE8tS22 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-TK0UFMPJKWE8tS22 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-TK0UFMPJKWE8tS22 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-TK0UFMPJKWE8tS22 .marker.cross{stroke:#333333;}#mermaid-svg-TK0UFMPJKWE8tS22 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-TK0UFMPJKWE8tS22 p{margin:0;}#mermaid-svg-TK0UFMPJKWE8tS22 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster-label text{fill:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster-label span{color:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster-label span p{background-color:transparent;}#mermaid-svg-TK0UFMPJKWE8tS22 .label text,#mermaid-svg-TK0UFMPJKWE8tS22 span{fill:#333;color:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 .node rect,#mermaid-svg-TK0UFMPJKWE8tS22 .node circle,#mermaid-svg-TK0UFMPJKWE8tS22 .node ellipse,#mermaid-svg-TK0UFMPJKWE8tS22 .node polygon,#mermaid-svg-TK0UFMPJKWE8tS22 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-TK0UFMPJKWE8tS22 .rough-node .label text,#mermaid-svg-TK0UFMPJKWE8tS22 .node .label text,#mermaid-svg-TK0UFMPJKWE8tS22 .image-shape .label,#mermaid-svg-TK0UFMPJKWE8tS22 .icon-shape .label{text-anchor:middle;}#mermaid-svg-TK0UFMPJKWE8tS22 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-TK0UFMPJKWE8tS22 .rough-node .label,#mermaid-svg-TK0UFMPJKWE8tS22 .node .label,#mermaid-svg-TK0UFMPJKWE8tS22 .image-shape .label,#mermaid-svg-TK0UFMPJKWE8tS22 .icon-shape .label{text-align:center;}#mermaid-svg-TK0UFMPJKWE8tS22 .node.clickable{cursor:pointer;}#mermaid-svg-TK0UFMPJKWE8tS22 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-TK0UFMPJKWE8tS22 .arrowheadPath{fill:#333333;}#mermaid-svg-TK0UFMPJKWE8tS22 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-TK0UFMPJKWE8tS22 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-TK0UFMPJKWE8tS22 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-TK0UFMPJKWE8tS22 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-TK0UFMPJKWE8tS22 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-TK0UFMPJKWE8tS22 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster text{fill:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 .cluster span{color:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-TK0UFMPJKWE8tS22 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-TK0UFMPJKWE8tS22 rect.text{fill:none;stroke-width:0;}#mermaid-svg-TK0UFMPJKWE8tS22 .icon-shape,#mermaid-svg-TK0UFMPJKWE8tS22 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-TK0UFMPJKWE8tS22 .icon-shape p,#mermaid-svg-TK0UFMPJKWE8tS22 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-TK0UFMPJKWE8tS22 .icon-shape .label rect,#mermaid-svg-TK0UFMPJKWE8tS22 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-TK0UFMPJKWE8tS22 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-TK0UFMPJKWE8tS22 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-TK0UFMPJKWE8tS22 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} pipeline.fit(X_train)
preprocessor 学训练集统计量
classifier 学训练集标签
pipeline.predict(X_test)
preprocessor.transform 用训练参数
classifier.predict

6.5 任务清单

  • 构建 Pipeline（preprocessor + LogisticRegression）
  • fit / predict
  • classification_report + 混淆矩阵
  • 保存报告与中文混淆矩阵图

6.6 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

6.7 实验结果（你的环境）

指标（测试集） 数值
Accuracy 0.8055
流失 Precision 0.6572
流失 Recall 0.5588
流失 F1 0.6040

混淆矩阵： TN=926，FP=109，FN=165，TP=209

通俗解读：

  • 测试集 374 名真流失客户，模型抓住 209 人（Recall 56%），漏掉 165 人
  • 预测为流失的客户中约 66% 真是流失（Precision）
  • 训练/测试 Accuracy 接近（0.806 vs 0.806），无明显过拟合

6.8 输出文件

文件 说明
reports/step6_lr_pipeline.txt LR Pipeline 评估报告
reports/figures/07_逻辑回归Pipeline混淆矩阵.png 测试集混淆矩阵

6.9 核心代码

python 复制代码 
pipeline = Pipeline([
    ("preprocessor", preprocessor),
    ("classifier", LogisticRegression(max_iter=1000)),
])
pipeline.fit(X_train, y_train)
y_pred = pipeline.predict(X_test)

6.10 动手任务

任务 A：FN=165 表示什么？对运营意味着什么？

任务 B：若更怕漏掉流失客户，Recall 和 Precision 哪个更要提高？

任务 C：对比步骤 3 EDA：月付客户流失率 42%，模型 Recall 56% 算合理吗？

6.11 验收标准

  • 能解释 Pipeline 为何能防泄露
  • 能读懂 classification_report
  • 能解释混淆矩阵四格含义
  • Pipeline 一键 fit/predict 跑通

6.12 本步小结

6.12 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A FN=165：165 真流失被判未流失，运营漏挽留。
B 怕漏流失应提高 Recall。
C 合理：全测试集 Recall 56%，月付子群 EDA 更高，模型部分捕捉。
验收标准答案
验收项 参考答案
Pipeline 防泄露 预处理+模型一体 fit/predict。
classification_report 看流失类 P/R/F1。
混淆矩阵 TN/FP/FN/TP。
跑通 Accuracy 0.8055，流失 F1 0.6040。
要点 内容
模型 LogisticRegression + 预处理 Pipeline
测试 Accuracy 0.8055
流失 F1 0.6040
下一步 多模型对比（步骤 7）

6.13 学习记录（请你填写）

  • 完成日期：
  • 我对 Pipeline 的理解：
  • 疑问（如有）：

步骤 7：多模型对比

状态 ：✅ 已完成教学（报告见 reports/step7_model_comparison.txt，图表见 08_～09_ PNG）

7.1 本步目标

  1. 同样 Pipeline 结构，替换分类器为 LR / 随机森林 / HistGBR
  2. 对比 Accuracy、流失 F1、ROC-AUC
  3. 选定最佳模型

7.2 这一步在解决什么问题？

步骤 6 只试了逻辑回归。不同模型「形状」不同：

  • LR：线性边界，快、可解释
  • 随机森林：多棵树投票，抓非线性
  • HistGBR：梯度提升树，常很强

公平对比的关键：同一个 preprocessor，只换 classifier。

7.3 实验结果（你的环境）

模型 Accuracy 流失 F1 ROC-AUC
逻辑回归 0.8055 0.6040 0.8421
随机森林 0.7864 0.5474 0.8185
HistGBR 0.7906 0.5731 0.8328

最佳模型（流失 F1）：逻辑回归

通俗解读： 本数据集上 LR 反而最好------说明线性关系已够用，或树模型略过拟合。不是「越复杂越好」，要以测试指标为准。

7.4 输出文件

文件 说明
reports/step7_model_comparison.txt 三模型对比报告
reports/figures/08_三模型测试集指标对比.png 指标分组条形图
reports/figures/09_最佳模型混淆矩阵.png LR 混淆矩阵

7.5 本步小结

要点 内容
最佳模型 逻辑回归
测试 F1 0.6040
ROC-AUC 0.8421
教训 树模型不一定赢，需实测
下一步 特征重要性（步骤 8）

7.6 学习记录（请你填写）

7.6 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
（思考） LR F1 0.6040 最高；树未超越因线性已够用。
（思考） 选 LR 因 F1/AUC 最佳且可解释。
（思考） 复杂模型不一定更好。
验收标准答案
验收项 参考答案
最佳模型 逻辑回归。
三模型 F1 0.6040 / 0.5474 / 0.5731。
ROC-AUC LR 0.8421。
教训 以测试指标选型。
  • 完成日期：
  • 我对最佳模型的看法：
  • 疑问（如有）：

步骤 8：特征重要性与可解释性

状态 ：✅ 已完成教学（报告见 reports/step8_feature_importance.txt，图表见 10_～11_ PNG）

8.1 本步目标

  1. 逻辑回归：系数绝对值 Top 10（最佳模型）
  2. 随机森林 ：feature_importances_ Top 10（对比）
  3. 结合步骤 3 EDA，回答「模型认为什么导致流失」

8.2 这一步在解决什么问题？

模型不是黑箱就完事------运营需要知道为什么预测某客户会流失，才能制定策略（推长期合同？降月费？）。

但要牢记：相关 ≠ 因果 。系数/importance 用于生成假设，不是定论。

8.3 名词解释

名词 大白话
LR 系数 正=促流失，负=抑流失（在标准化特征空间）
feature_importances_ 树模型认为该特征对分裂贡献多大
One-Hot 后特征名 如 cat__Contract_Month-to-month

8.4 逻辑回归 Top 10（你的环境）

排名 特征 系数 解读
1 在网时长 -1.26 越久越不易流失 ✓
2 合同_两年 -0.78 长期合同抑流失 ✓
3 宽带_DSL -0.65 DSL 相对稳
4 宽带_光纤 +0.63 光纤用户更易流失？需业务验证
5 月费 -0.59 （标准化后方向需结合 One-Hot 一起看）
6 合同_月付 +0.58 月付促流失 ✓ 与 EDA 一致
7 总费用 +0.54 累计费用高与流失相关

8.5 随机森林 Top 5

排名 特征 重要性
1 总费用 0.160
2 在网时长 0.140
3 月费 0.137
4 合同_月付 0.050
5 无网络安全服务 0.033

8.6 与 EDA 对照

#mermaid-svg-TFDUzQ0p15Np7wGp{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-TFDUzQ0p15Np7wGp .error-icon{fill:#552222;}#mermaid-svg-TFDUzQ0p15Np7wGp .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-TFDUzQ0p15Np7wGp .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-TFDUzQ0p15Np7wGp .marker{fill:#333333;stroke:#333333;}#mermaid-svg-TFDUzQ0p15Np7wGp .marker.cross{stroke:#333333;}#mermaid-svg-TFDUzQ0p15Np7wGp svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-TFDUzQ0p15Np7wGp p{margin:0;}#mermaid-svg-TFDUzQ0p15Np7wGp .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster-label text{fill:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster-label span{color:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster-label span p{background-color:transparent;}#mermaid-svg-TFDUzQ0p15Np7wGp .label text,#mermaid-svg-TFDUzQ0p15Np7wGp span{fill:#333;color:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp .node rect,#mermaid-svg-TFDUzQ0p15Np7wGp .node circle,#mermaid-svg-TFDUzQ0p15Np7wGp .node ellipse,#mermaid-svg-TFDUzQ0p15Np7wGp .node polygon,#mermaid-svg-TFDUzQ0p15Np7wGp .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-TFDUzQ0p15Np7wGp .rough-node .label text,#mermaid-svg-TFDUzQ0p15Np7wGp .node .label text,#mermaid-svg-TFDUzQ0p15Np7wGp .image-shape .label,#mermaid-svg-TFDUzQ0p15Np7wGp .icon-shape .label{text-anchor:middle;}#mermaid-svg-TFDUzQ0p15Np7wGp .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-TFDUzQ0p15Np7wGp .rough-node .label,#mermaid-svg-TFDUzQ0p15Np7wGp .node .label,#mermaid-svg-TFDUzQ0p15Np7wGp .image-shape .label,#mermaid-svg-TFDUzQ0p15Np7wGp .icon-shape .label{text-align:center;}#mermaid-svg-TFDUzQ0p15Np7wGp .node.clickable{cursor:pointer;}#mermaid-svg-TFDUzQ0p15Np7wGp .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-TFDUzQ0p15Np7wGp .arrowheadPath{fill:#333333;}#mermaid-svg-TFDUzQ0p15Np7wGp .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-TFDUzQ0p15Np7wGp .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-TFDUzQ0p15Np7wGp .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-TFDUzQ0p15Np7wGp .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-TFDUzQ0p15Np7wGp .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-TFDUzQ0p15Np7wGp .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster text{fill:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp .cluster span{color:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-TFDUzQ0p15Np7wGp .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-TFDUzQ0p15Np7wGp rect.text{fill:none;stroke-width:0;}#mermaid-svg-TFDUzQ0p15Np7wGp .icon-shape,#mermaid-svg-TFDUzQ0p15Np7wGp .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-TFDUzQ0p15Np7wGp .icon-shape p,#mermaid-svg-TFDUzQ0p15Np7wGp .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-TFDUzQ0p15Np7wGp .icon-shape .label rect,#mermaid-svg-TFDUzQ0p15Np7wGp .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-TFDUzQ0p15Np7wGp .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-TFDUzQ0p15Np7wGp .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-TFDUzQ0p15Np7wGp :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} EDA: 月付流失 42.7%
模型: 合同_月付 Top
EDA: 新客流失 47%
模型: 在网时长 Top
EDA: 两年期 2.8%
模型: 合同_两年 负系数

结论： Top 特征与步骤 3 业务洞察高度一致------模型没有「胡说」。

8.7 输出文件

文件 说明
reports/step8_feature_importance.txt LR + RF Top 10 与 EDA 对照
reports/figures/10_逻辑回归系数绝对值Top10.png 红=促流失，蓝=抑流失
reports/figures/11_随机森林特征重要性Top10.png 树模型重要性

8.8 本步小结

要点 内容
LR Top1 在网时长（
RF Top1 总费用（imp=0.16）
与 EDA 月付、tenure 均 Top，一致
下一步 项目三全部完成

8.9 学习记录（请你填写）

8.10 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
（思考） LR Top1 在网时长；RF Top1 总费用。
（思考） 与 EDA 月付/tenure 一致。
（思考） 相关≠因果，用于假设。
验收标准答案
验收项 参考答案
LR 系数 负=抑流失，正=促流失。
RF 重要性 总费用、tenure、月费 Top。
与 EDA 高度一致。
注意 解释不等于因果。
  • 完成日期：
  • 我觉得最合理的 Top 特征：
  • 疑问（如有）：

步骤 9：模拟运营应用

状态 ：✅ 已完成教学（报告见 reports/final_project_summary.txt，模型见 models/churn_best.pkl）

9.1 本步目标

  1. 在测试集上用 predict_proba 得到每位客户的流失概率
  2. 设定运营规则：概率 ≥ 0.6 进入挽留名单
  3. 假设挽留成功率 30%，估算可挽回多少客户
  4. 用 joblib 保存完整 Pipeline + 阈值 + 元数据
  5. 写出项目 3 个关键教训与全部步骤回顾

9.2 这一步在解决什么问题？

前面步骤回答了「模型准不准、哪些特征重要」。运营团队更关心：

  • 给谁打电话/发优惠券？（不是给所有人）
  • 大概能留住多少人？（定性估算 ROI）
  • 模型怎么上线？（保存 Pipeline，新数据直接 predict_proba）

9.3 名词解释（通俗版）

名词 大白话 本步
predict_proba 输出「流失概率」0～1，不是硬判 0/1 比默认 0.5 阈值更灵活
运营阈值 业务定的「高风险线」，如 0.6 越高名单越短、漏报越多
挽留成功率 真流失客户里，被挽留活动成功留下的比例 本步假设 30%
joblib.dump 把 Python 对象存成 .pkl 文件 models/churn_best.pkl
bundle 打包：Pipeline + 阈值 + 列名 + 指标 加载一次即可推理

9.4 运营模拟流程（Mermaid）

#mermaid-svg-bP6NFXYw5vviYQVO{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-bP6NFXYw5vviYQVO .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-bP6NFXYw5vviYQVO .error-icon{fill:#552222;}#mermaid-svg-bP6NFXYw5vviYQVO .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-bP6NFXYw5vviYQVO .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-bP6NFXYw5vviYQVO .marker{fill:#333333;stroke:#333333;}#mermaid-svg-bP6NFXYw5vviYQVO .marker.cross{stroke:#333333;}#mermaid-svg-bP6NFXYw5vviYQVO svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-bP6NFXYw5vviYQVO p{margin:0;}#mermaid-svg-bP6NFXYw5vviYQVO .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-bP6NFXYw5vviYQVO .cluster-label text{fill:#333;}#mermaid-svg-bP6NFXYw5vviYQVO .cluster-label span{color:#333;}#mermaid-svg-bP6NFXYw5vviYQVO .cluster-label span p{background-color:transparent;}#mermaid-svg-bP6NFXYw5vviYQVO .label text,#mermaid-svg-bP6NFXYw5vviYQVO span{fill:#333;color:#333;}#mermaid-svg-bP6NFXYw5vviYQVO .node rect,#mermaid-svg-bP6NFXYw5vviYQVO .node circle,#mermaid-svg-bP6NFXYw5vviYQVO .node ellipse,#mermaid-svg-bP6NFXYw5vviYQVO .node polygon,#mermaid-svg-bP6NFXYw5vviYQVO .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-bP6NFXYw5vviYQVO .rough-node .label text,#mermaid-svg-bP6NFXYw5vviYQVO .node .label text,#mermaid-svg-bP6NFXYw5vviYQVO .image-shape .label,#mermaid-svg-bP6NFXYw5vviYQVO .icon-shape .label{text-anchor:middle;}#mermaid-svg-bP6NFXYw5vviYQVO .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-bP6NFXYw5vviYQVO .rough-node .label,#mermaid-svg-bP6NFXYw5vviYQVO .node .label,#mermaid-svg-bP6NFXYw5vviYQVO .image-shape .label,#mermaid-svg-bP6NFXYw5vviYQVO .icon-shape .label{text-align:center;}#mermaid-svg-bP6NFXYw5vviYQVO .node.clickable{cursor:pointer;}#mermaid-svg-bP6NFXYw5vviYQVO .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-bP6NFXYw5vviYQVO .arrowheadPath{fill:#333333;}#mermaid-svg-bP6NFXYw5vviYQVO .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-bP6NFXYw5vviYQVO .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-bP6NFXYw5vviYQVO .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bP6NFXYw5vviYQVO .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-bP6NFXYw5vviYQVO .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bP6NFXYw5vviYQVO .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-bP6NFXYw5vviYQVO .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-bP6NFXYw5vviYQVO .cluster text{fill:#333;}#mermaid-svg-bP6NFXYw5vviYQVO .cluster span{color:#333;}#mermaid-svg-bP6NFXYw5vviYQVO div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-bP6NFXYw5vviYQVO .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-bP6NFXYw5vviYQVO rect.text{fill:none;stroke-width:0;}#mermaid-svg-bP6NFXYw5vviYQVO .icon-shape,#mermaid-svg-bP6NFXYw5vviYQVO .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bP6NFXYw5vviYQVO .icon-shape p,#mermaid-svg-bP6NFXYw5vviYQVO .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-bP6NFXYw5vviYQVO .icon-shape .label rect,#mermaid-svg-bP6NFXYw5vviYQVO .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bP6NFXYw5vviYQVO .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-bP6NFXYw5vviYQVO .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-bP6NFXYw5vviYQVO :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 是
否
测试集 X_test
pipeline.predict_proba
概率 >= 0.6?
进入挽留名单
暂不联系
名单中真流失 × 30%
预计挽回人数

9.5 任务清单

  • 训练最终 LR Pipeline（步骤 7 最佳）
  • predict_proba 计算测试集流失概率
  • 阈值 0.6 生成挽留名单并统计 TP/FP
  • 30% 成功率估算挽回人数
  • 保存概率分布图 + 挽留模拟条形图
  • joblib 保存 bundle + 配置说明 + 项目总结

9.6 运行本步

powershell 复制代码 
cd "d:\JavaCode\机器学习\project_03_churn"
python src/train.py

9.7 测试集运营模拟结果

指标 数值
测试集真流失总数 374 人
挽留名单（≥0.6） 209 人
名单中真流失 150 人
名单中误报 59 人
名单外漏报 224 人
预计挽回（30%） 45 人

通俗解读：

  • 209 人进名单，其中 150 人是真会走的；若挽留活动对真流失客户 30% 有效，约 45 人被留住
  • 59 人是「误报」------本来不会走也被联系（运营成本）
  • 224 人概率 <0.6 但实际流失，模型没圈到（漏报）

9.8 最终推荐

项目 内容
推荐模型 Pipeline + LogisticRegression
运营阈值 0.6
测试 F1（流失） 0.6040
ROC-AUC 0.8421
模型文件 models/churn_best.pkl

9.9 输出文件

文件 说明
models/churn_best.pkl 完整 Pipeline + 阈值 bundle（Git 忽略）
reports/churn_model_config.txt 阈值与加载示例
reports/final_project_summary.txt 全项目汇总 + 3 个关键教训
reports/figures/12_测试集流失概率分布.png 按真实标签分色的概率直方图
reports/figures/13_运营挽留模拟效果图.png 名单/真流失/挽回/漏报条形图

9.10 动手任务

任务 A：若把阈值从 0.6 降到 0.5，名单会变长还是变短？漏报会怎样？

任务 B：若挽留成功率只有 10%，预计挽回多少人？（150 × 10% = ?）

任务 C：写一句：电信公司更怕「漏掉要走的客户」还是「误打扰 loyal 客户」？阈值该升还是降？

9.11 验收标准

  • 能解释 predict 与 predict_proba 的区别
  • 能说明阈值高低对名单长度、漏报的影响
  • 能读懂挽留模拟的 4 个数字（名单、真流失、挽回、漏报）
  • 会用 joblib 加载 bundle 并对新数据 predict_proba

9.12 动手任务与验收标准参考答案

以下为教学标准答案，便于自学对照；README.md 学习记录仍建议用自己的话写。

动手任务答案
任务 参考答案
A 阈值 0.6→0.5 ：名单变长 ；漏报减少 （更多真流失被圈进），但误报增加（更多 loyal 客户被打扰）。
B 150 × 10% = 15 人预计挽回。
C 电信通常更怕漏掉要走的客户 （流失直接丢收入）→ 倾向降阈值 ；若营销成本/打扰 loyal 代价大则升阈值。
验收标准答案
验收项 参考答案
predict vs predict_proba predict 用默认 0.5 硬分类；predict_proba[:,1] 是流失概率，运营用自定义阈值 0.6。
阈值影响 阈值↑→名单缩短、漏报↑；阈值↓→名单变长、漏报↓、误报↑。
四个数字 名单 209 ；真流失 150 ；预计挽回 45 （30%）；名单外漏报 224。
joblib bundle=joblib.load('models/churn_best.pkl')；pipe=bundle['pipeline']；proba=pipe.predict_proba(X)[:,1]；proba>=bundle['retention_threshold']。

9.13 本项目 3 个关键教训

  1. 混合类型表格必须 Pipeline：数值 Imputer+Scaler，类别 One-Hot，避免泄露。
  2. 解释要与 EDA 对照：月付、在网时长是流失关键，模型与业务洞察一致才可信。
  3. 概率 + 阈值 = 运营动作：Accuracy 不够，要把模型变成「挽留名单」才有业务价值。

9.14 本步小结

要点 内容
模型 LR Pipeline（步骤 7 F1 最佳）
运营阈值 0.6
挽留名单 209 人（真流失 150）
预计挽回 45 人（30% 成功率）
项目状态 全部 9 步已完成

9.15 学习记录（请你填写）

  • 完成日期：
  • 若你当运营，阈值会设多少？理由：
  • 疑问（如有）：

文档版本：v1.9 | 最后更新：全步骤动手任务与验收标准参考答案已补充

热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04Trae国际版与国内版深度测评：AI原生IDE的双生花05飞书长连接_事件订阅（接收消息，审批任务状态变更）06【AI】2026 年具身智能模型和世界模型总结07GitHub 镜像站点082026年AI架构实战：彻底解决OpenAI接口超时与封号，Python调用GPT-5.2/Sora2企业级架构详解（附源码+压测报告）09Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析102026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？