wenwen116 / churnLinks
根据用户数据以及消费行为数据,使用Python建立分类模型,通过评估客户流失的风险来预测客户流转情况,找到对客户影响较大的因素,进而挽留客户
☆10Updated 5 years ago
Alternatives and similar repositories for churn
Users that are interested in churn are comparing it to the libraries listed below
Sorting:
- 某电商手机评论的文本挖掘初体验 功能板块：数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆123Updated 6 years ago
- 根据用户数据及消费行为数据，使用Python对客户进行聚类分群，并给出用户画像。通过数据，分析用户群体的核心特征。☆30Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆45Updated 6 years ago
- 携程/榛果民宿实时评论挖掘软件，包含数据的实时采集/数据清洗/结构化保存/ UGC 数据主题提取/情感分析/后结构化可视化等技术的综合性演示 Demo。基于在线民宿 UGC 数据的意见挖掘项目，包含数据挖掘和 NLP 相关的处理，负责数据采集、主题抽取、情感分析等任务。主要…☆80Updated 4 years ago
- 分析银行营销活动数据以预测客户有多大可能购买存款产品☆13Updated 5 years ago
- 基于互联网金融平台2015年度贷款数据完成信贷违约预测模型，该模型可以作为信贷平台预测违约借款人的参考☆70Updated 7 years ago
- 人工智能社会保险反欺诈分析☆30Updated 7 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆216Updated 6 years ago
- 基于Python的申请信用评分卡模型分析☆142Updated 6 years ago
- 交易欺诈作为信用卡行业面临的主要贷后风险业务问题，每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题☆44Updated 6 years ago
- 通过聚类分析交易流水检测异常交易☆20Updated last year
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。☆94Updated 6 years ago
- 阿里天池与Datawhale联合举办二手车价格预测比赛：优胜奖方案代码总结☆113Updated 2 years ago
- 近年来，随着微信、微博、市长信箱、阳光热线等网络问政平台逐步成为政府了解民意、汇聚民智、凝聚民气的重要渠道，各类社情民意相关的文本数据量不断攀升，给以往主要依靠人工来进行留言划分和热点整理的相关部门的工作带来了极大挑战。同时，随着大数据技术的发展，建立基于自然语言处理技术的…☆34Updated 5 years ago
- 利用python进行反欺诈检测☆34Updated 6 years ago
- 第三届融360天机智能金融算法挑战赛-第二题：特征挖掘☆116Updated 6 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆26Updated 4 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参，特征筛选，训练等方案。同时包含stacking模型融合方案☆28Updated 5 years ago
- 用户画像练手,,,,☆84Updated 8 years ago
- 数据挖掘大作业， 东野圭吾小说集文本挖掘☆71Updated 8 years ago
- 马上消费金融挑战者大赛-违约用户风险预测--第三名方案☆75Updated 5 years ago
- 整理所有特征工程用到的方法，为了复用☆11Updated 4 years ago
- 人工智能工程师直通车第三期 实战项目:广告点击率预测（CTR）。预测用户浏览给定网页的广告点击率，提高广告投放精准度。☆21Updated 7 years ago
- 以京东评论作为数据集，使用常见的机器学习算法如KNN、SVM、逻辑回归、贝叶斯、xgboost等等算法进行分类。使用深度学习中的CNN、RNN、CNN和RNN连接、Bi-GRU、bert模型进行分类。使用fastnlp的框架搭建文本分类。☆32Updated 5 years ago
- 机器学习的特征工程，包括特征抽取、特征预处理、特征选择、特征降维。☆25Updated 6 years ago
- 互联网新闻情感分析赛题baseline☆42Updated 6 years ago
- 房价预测完整项目：1.爬取链家网数据 2.处理后，用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好，R^2值0.75左右☆243Updated 6 years ago
- 天池大数据比赛总结☆40Updated 7 years ago
- codes from the book “推荐系统开发实战”☆11Updated 5 years ago
- 讯飞移动广告反欺诈算法竞赛☆33Updated 5 years ago