银行客户流失预测数据集BankCustomerChurnPredictionDataset-phyngyn
数据来源：互联网公开数据
标签：客户流失, 银行, 客户分析, 机器学习, 风险评估, 行为预测, 数据挖掘, 客户关系管理
数据概述：
该数据集包含来自银行客户的数据，记录了客户的个人信息、银行账户活动以及客户流失情况。主要特征如下：
时间跨度：数据未标明具体时间，可视为一段时间内的客户行为快照。
地理范围：数据未限定具体地理范围，但可能反映了特定银行的客户群体特征。
数据维度：数据集包括客户编号(CLIENTNUM)、客户流失标识(Attrition_Flag)、客户年龄(Customer_Age)、性别(Gender)、家属数量(Dependent_count)、教育程度(Education_Level)、婚姻状况(Marital_Status)、收入水平(Income_Category)、信用卡类型(Card_Category)、在银行服务时长(Months_on_book)、总关系数量(Total_Relationship_Count)、过去12个月不活跃月数(Months_Inactive_12_mon)、过去12个月联系次数(Contacts_Count_12_mon)、信用额度(Credit_Limit)、总循环余额(Total_Revolving_Bal)、平均可用额度(Avg_Open_To_Buy)、季度交易额变化(Total_Amt_Chng_Q4_Q1)、总交易额(Total_Trans_Amt)、总交易次数(Total_Trans_Ct)、季度交易次数变化(Total_Ct_Chng_Q4_Q1)、平均信用利用率(Avg_Utilization_Ratio)以及两个朴素贝叶斯分类器预测结果(Naive_Bayes_Classifier_Attrition_Flag_Card_Category_Contacts_Count_12_mon_Dependent_count_Education_Level_Months_Inactive_12_mon_1, Naive_Bayes_Classifier_Attrition_Flag_Card_Category_Contacts_Count_12_mon_Dependent_count_Education_Level_Months_Inactive_12_mon_2)。
数据格式：CSV格式，文件名为BankChurners.csv，方便数据分析和建模。
来源信息：数据来源于公开的数据集，已进行匿名化处理。
该数据集适合用于客户流失预测、客户行为分析和风险评估。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融领域和客户关系管理领域的学术研究，如客户流失预测模型构建、客户生命周期价值分析等。
行业应用：可以为银行、金融机构提供数据支持，特别是在客户挽留、个性化营销、风险管理等方面。
决策支持：支持银行制定客户关系管理策略，优化客户服务，提高客户留存率。
教育和培训：作为数据挖掘、机器学习等课程的实训数据集，帮助学生和研究人员熟悉客户流失预测的流程和方法。
此数据集特别适合用于探索客户流失的影响因素，构建预测模型，帮助用户提高客户留存率和优化客户关系管理策略。
