Waze用户流失预测行为数据集-2023-anaghapaul
数据来源：互联网公开数据
标签：Waze,用户流失,数据科学,机器学习,用户行为,导航应用,用户分析,预测模型
数据概述：
本数据集是Google高级数据分析专业证书项目的一部分，模拟了Waze导航应用程序的用户行为数据。数据集包含14,999条记录，13个字段，其中包括数值型和分类型数据，旨在模拟Waze应用中的真实用户参与度和流失模式。
数据集字段包括：
- ID：每个用户的唯一标识符（int64）
- label：流失预测的目标变量（object）
- sessions：应用会话次数（int64）
- drives：记录的驾驶次数（int64）
- total_sessions：总会话次数（float64）
- n_days_after_onboarding：用户加入Waze以来的天数（int64）
- total_navigations_fav1 和 total_navigations_fav2：导航到常用地点的次数（int64）
- driven_km_drives：总驾驶距离（float64）
- duration_minutes_drives：驾驶总时长（分钟）（float64）
- activity_days：有活动的天数（int64）
- driving_days：有驾驶活动的天数（int64）
- device：使用的设备类型（object）
目标列：label，用于流失预测的目标变量。
有趣的数据特征：
- 用户参与度指标：sessions, drives, total_sessions
- 使用强度：driven_km_drives, duration_minutes_drives
- 用户忠诚度指标：n_days_after_onboarding, activity_days, driving_days
- 行为模式：total_navigations_fav1, total_navigations_fav2
数据集分布：
- 总记录数：14,999条
- 数据类型：整数型、浮点型和分类型数据混合
数据用途概述：
该数据集适用于流失预测建模、用户行为分析、数据科学项目和机器学习任务。研究人员可以利用此数据集开发预测模型，分析用户行为模式，提高用户留存率。数据科学家和机器学习工程师可将此数据集作为训练和验证数据集，以评估和优化预测算法。
