客户流失
本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 58 课，共 58 课。
一家套餐食材配送服务每周都会配送食材盒。subscribers.csv记录了 300 位客户，以及他们是否在两个月内取消订阅。跳过配送的食材盒是一个预警信号：
团队希望在客户离开之前联系有流失风险的客户。一个信号还不够，因此会用森林来综合评估所有信号。
它的深度需要调整，ROC 曲线可以显示风险评分对取消者的排序效果。
挑战
困难prep 保存了各个处理流程；程序会将树的深度读入 depths。
- 分层划分出四分之一的数据作为测试集，使用
random_state=0。 - 在训练数据上，对
prep加上由 100 棵树组成的森林（random_state=0）进行网格搜索，搜索范围为depths，使用 5 折交叉验证。打印最佳深度和交叉验证准确率。 - 根据测试集上取消订阅的概率，打印 AUC 和呼叫名单：概率大于或等于 0.5 的客户。
- 将 ROC 曲线绘制为
forest，添加一条虚线的coin toss对角线和图例，然后显示图表。
换一个服务，并使用深度 3、5：
Best depth: 3 (CV accuracy 0.761)
Test AUC: 0.802
Call list: 21 customers, 15 of them really cancelled然后 Coddy 会描述你的曲线。
亲手试试
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_curve, roc_auc_score
subscribers = pd.read_csv("subscribers.csv")
numbers = ["months_subscribed", "boxes_skipped", "complaints", "monthly_price", "delivery_rating"]
text = ["plan", "channel"]
X = subscribers[numbers + text]
y = subscribers["churned"]
# 和 Prepare the Data 中一样的数据处理流程
number_steps = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
text_steps = make_pipeline(SimpleImputer(strategy="constant", fill_value="unknown"), OneHotEncoder())
prep = ColumnTransformer([("numbers", number_steps, numbers), ("words", text_steps, text)])
# 要尝试的树深度
n = int(input())
depths = []
for i in range(n):
depths.append(int(input()))
fig, ax = plt.subplots()
ax.set_title("Who Will Cancel?")
ax.set_xlabel("False positive rate")
ax.set_ylabel("Recall")
# 在下方编写你的代码
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
监督学习中的所有课
自己练习： Python 在线编译器