声明
1 绪论
1.1 传统的银行业务存在的不足
1.2 客户流失预警模型
1.3 论文整体框架
2 机器学习算法介绍
2.1 决策树
2.2 随机森林
2.3 XGBoost模型
3 数据处理
3.1 数据准备
3.2 数据预处理
3.2.1 缺失值处理
3.2.2 异常值处理
3.3 计算衍生变量
3.4 特征选择
3.4.2 单变量分析
3.4.2 特征重要度分析
3.5 处理不平衡数据
4 模型建立与评估
4.2 Python软件及Scikit-learn
4.3 模型评估方法
4.2.1交叉验证
4.2.2模型评估指标
4.3 模型建立
4.3.1 决策树模型
4.3.2 随机森林模型
4.3.3 XGBoost模型
4.4 模型比较
4.5客户挽留建议
（1）深入分析高价值客户流失原因
（2）制定个性化挽留措施
（3）跟踪挽留方案实施效果
（4）不断更新优化客户流失预警模型
5 总结与展望
5.1结论
5.2展望
参考文献
致谢
大连理工大学学位论文版权使用授权书
