Bank-churn---xgboost

背景-问题陈述 对于信用卡公司而言，获取新客户是一个漫长而昂贵的过程。 因此，客户流失是金融公司的最大利益之一。 为了降低流失率，一种直接的解决方案是让那些预计会流失的客户吸引诱人的优惠，例如折扣，回扣或其他津贴。 任务 1-该项目的目标是训练ML分类器，该分类器可以帮助金融公司挑选出将来会流失的人。 由于搅动是罕见的事件，但它对财务造成很大的影响，因此该模型应着重于降低召回率。 预测非搅动客户不会造成业务损失，但预测非搅动客户会造成伤害，因此应该避免。 2-模型完善后，导致客户退出业务的最重要功能将被隔离。 这些功能将帮助金融公司确定目标客户。 EDA 该数据集可在kaggle（ ）上找到。 它由10127个客户和18个功能部件组成，并为该类（当前客户，搅动客户）提供一列。 超出预期分布的数字如前所述，流失的客户数量大大少于没有流失的客户数量。 造型