5、电信客户流失分析与预测：多模型实践

最新推荐文章于 2025-12-02 18:20:13 发布

异步汪仔

最新推荐文章于 2025-12-02 18:20:13 发布

阅读量17

点赞数

CC 4.0 BY-SA版权

分类专栏： Scala机器学习实战精讲文章标签：电信客户流失逻辑回归 SVM

本文链接：https://blog.youkuaiyun.com/d3e4f/article/details/152408324

Scala机器学习实战精讲专栏收录该内容

20 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

电信客户流失分析与预测：多模型实践

1. 数据预处理

在进行电信客户流失预测之前，需要对数据进行预处理。首先，使用 StringIndexer 将分类标签转换为数值。接着，提取特征并将其转换为特征向量。

val featureCols = Array("account_length", "iplanIndex",
                        "num_voice_mail", "total_day_mins",
                        "total_day_calls", "total_evening_mins",
                        "total_evening_calls", "total_night_mins",
                        "total_night_calls", "total_international_mins",
                        "total_international_calls",
                        "total_international_num_calls")
val assembler = new VectorAssembler()
    .setInputCols(featureCols)
    .setOutputCol("features")

上述代码定义了特征列，并使用 VectorAssembler 将这些特征列组合成一个名为