📝 摘要

在电信行业，获取新客户的成本往往远高于保留老客户。因此，构建精准的客户流失预警模型（Churn Prediction）是运营商降本增效的关键。本文基于真实的电信客户数据集，使用 Python 进行全流程数据分析。我们将经历数据清洗、多维度的探索性分析（EDA），并对比逻辑回归与决策树两种经典算法。特别是在模型可视化环节，本文将分享如何解决 plot_tree 中文重叠与乱码的“坑”，最终产出一份清晰、可落地的分析报告。

🚀 一、 项目背景与数据概览

本项目旨在通过分析用户的行为特征（如合约类型、月费、网络服务等），预测用户是否会流失（Churn = 1）。

• 数据来源：Telco Customer Churn 数据集
• 样本量：7043 条记录
• 目标变量：Churn (Yes/No)

经过数据清洗（处理空值、类型转换、One-Hot编码）后，我们得到了用于建模的标准数据集。

🔍 二、 探索性数据分析 (EDA)：谁在流失？

通过可视化分析，我们发现了几个显著的流失规律（见下图）：

💡 关键发现：

1. 合约类型是“定海神针”：
   • Month-to-month（按月付费）用户的流失率极高（>40%），而签订 Two year（两年合约）的用户极其稳定。这说明长期合约是锁定用户的最有效手段。
2. 网龄越长，忠诚度越高：
   • 流失率随着在网时长（Tenure）的增加呈断崖式下跌。0-12个月的新用户是流失的高危人群。
3. 支付方式暗藏玄机：
   • 使用 Electronic check（电子支票）的用户流失率异常高（接近45%），这可能与该支付方式的便捷性导致“随时可退”有关。
4. 费用敏感度：
   • 箱线图显示，流失用户的月费（MonthlyCharges）中位数明显高于留存用户。虽然总费用（TotalCharges）流失用户较低（因为用得短），但高昂的月租是推走他们的主要原因。
5. 服务缺失：
   • 没有开通 OnlineSecurity（网络安全）服务的用户，流失率显著高于开通用户。

⚖️ 三、 模型特征重要性大比拼

为了找出影响流失的核心因子，我们分别使用了逻辑回归和决策树进行建模，并对比了它们的特征重要性。

📊 结果解读：

• 逻辑回归（左图）：
  • 在网时长 (Tenure) 和 月费 (MonthlyCharges) 的系数绝对值最大。这表明从线性关系看，这两个数值型变量对流失概率的影响权重最高。
• 决策树（右图）：
  • 按月付费 (Contract_Month-to-month) 占据了绝对的统治地位（Gini增益最高）。这说明决策树认为，“是否是按月付费”是区分流失与否的第一道、也是最强的门槛。
  • 光纤 (Fiber Optic) 和 无技术支持 也是重要的分裂节点。

结论：两个模型殊途同归，都指向了短期合约和高费用是流失的主因。

🌳 四、 决策树可视化：破解中文乱码与重叠难题

决策树最大的优势在于其可解释性。我们可以清晰地看到模型是如何一步步做出判断的。

但在实际绘图时，常遇到两个痛点：

1. 中文乱码：Graphviz 默认不支持中文字体。
2. 节点重叠：matplotlib 的 plot_tree 在画布不够大或信息过多时，文字会挤成一团。

🛠️ 解决方案

我们采用 matplotlib 原生绘图，并通过以下策略优化：

• 强制设置字体：plt.rcParams['font.sans-serif'] = ['SimHei']。
• 精简节点信息：隐藏 value 数组和 impurity（基尼系数），只保留判断条件和分类结果。
• 超大画布：设置 figsize=(48, 20)，确保每个节点都有足够的呼吸空间。

、

🧠 决策路径解读（以根节点为例）：

1. Root Node: 首先判断 按月付费 <= 0.5（即是否不是按月付费）。
   • False (右侧分支)：如果是按月付费，模型倾向于判定为流失（蓝色节点多）。
   • True (左侧分支)：如果不是按月付费（即有合约），模型倾向于判定为留存（橙色节点多）。
2. 二级节点：
   • 对于非按月付费用户，如果 月费 <= 93.675，则更大概率留存。
   • 对于按月付费用户，如果使用的是 光纤 (Fiber Optic)，流失风险进一步加剧。

这张图不仅验证了前面的EDA结论，还给出了具体的业务阈值（例如月费 93.675 是一个关键分界线）。

🎯 五、 模型评估：谁更靠谱？

最后，我们通过混淆矩阵来评估模型的实战效果。

📉 数据分析：

• 逻辑回归 (Logistic Regression)：
  • 正确识别流失用户（True Positive）：372 人。
  • 漏报流失用户（False Negative）：95 人。
• 决策树 (Decision Tree)：
  • 正确识别流失用户（True Positive）：355 人。
  • 漏报流失用户（False Negative）：112 人。

🏆 结论：

虽然决策树的可解释性更强，但在本数据集上，逻辑回归的召回率（Recall）略高（372 vs 355）。这意味着逻辑回归能抓出更多的潜在流失客户，减少漏网之鱼。在实际业务中，如果我们希望尽可能多地挽留客户，逻辑回归可能是更好的选择；如果我们更需要向业务部门解释“为什么流失”，决策树则是最佳工具。

📌 六、 总结与建议

基于以上分析，对电信运营商提出以下建议：

1. 转化合约：针对“按月付费”且“月费较高”的用户，推出“签约送话费”或“升级带宽”活动，引导其转为一年或两年合约。
2. 新用户关怀：重点关注 0-12 个月的新用户，建立定期回访机制。
3. 支付引导：鼓励用户使用自动扣款（信用卡/银行转账），减少电子支票的使用。
4. 服务捆绑：向高风险用户免费赠送或优惠提供“网络安全”服务，增加用户粘性。

---

💬 互动话题：
你在处理决策树可视化时遇到过哪些坑？欢迎在评论区交流！如果觉得文章有帮助，请点赞收藏支持一下！👍