原文链接：http://tecdat.cn/?p=8522
原文出处：拓端数据部落公众号
数据简介
客户流失是一个金融术语，指的是客户或客户的流失，即客户不再与公司或企业互动。同样，流失率是客户或客户在特定时间段内离开公司的比率。高于某个阈值的流失率会对公司的业务成功产生有形和无形的影响。理想情况下，公司希望尽可能多地留住客户。
随着先进数据科学和机器学习技术的出现，公司现在可以识别可能在不久的将来停止与他们开展业务的潜在客户。在数据中，您将了解银行不同的客户属性（如年龄、性别、地理位置等）和客户流失。（查看文末了解数据获取方式)。
数据详情
数据格式
csv
字段
信用分数
地理位置
性别
年龄
任期
余额
产品数量
拥有信用卡
是活跃会员
估计薪资
流失
大小
668kb
样本量
10000
数据浏览
以前8行数据为例，我们来预览一下：
变量探索：
数据获取
在下面公众号后台回复“银行客户流失数据”，可获取完整数据。
点击标题查阅往期内容
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
左右滑动查看更多
01
02
03
04
点击标题查阅往期内容
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
R语言深度学习：用keras神经网络回归模型预测时间序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
欲获取全文文件，请点击左下角“阅读原文”。
欲获取全文文件，请点击左下角“阅读原文”。
