Updated 2026-01-24 05:53:05 +08:00
Updated 2026-01-21 02:36:59 +08:00
Updated 2026-01-16 19:39:18 +08:00
Updated 2026-01-16 10:21:45 +08:00
Updated 2026-01-16 05:58:50 +08:00
Updated 2026-01-16 04:32:15 +08:00
Updated 2026-01-16 01:25:22 +08:00
Updated 2026-01-16 01:19:24 +08:00
Updated 2026-01-15 22:10:05 +08:00
Updated 2026-01-15 21:42:14 +08:00
Updated 2026-01-15 20:22:37 +08:00
Updated 2026-01-15 16:56:14 +08:00
Updated 2026-01-15 16:03:20 +08:00
Updated 2026-01-15 15:39:58 +08:00
Updated 2026-01-15 15:19:53 +08:00
Updated 2026-01-15 13:34:12 +08:00
Updated 2026-01-15 13:13:28 +08:00
电信客户流失预测系统（课程项目）
—— 满足Level 1任务要求，覆盖数据处理、机器学习、LLM+Agent全流程
核心内容：
1. 问题与数据：以Kaggle Telco Customer Churn数据集为基础，定义“客户流失分类”任务，明确标签/输入输出边界，包含数据字段说明与分层抽样切分策略；
2. 传统机器学习：实现LogisticRegression（基线）+RandomForest（强模型）的可复现训练（固定随机种子），完成指标对比（F1/ROC-AUC）与误差分析（错误样本分桶+改进方向）；
3. LLM+Agent：构建2个工具（ML流失预测工具+特征解释工具），通过Pydantic定义结构化输出，生成可落地的风险分层干预建议；
4. 工程与演示：提供Streamlit交互界面（预测→分析→建议全流程），支持跨机运行（git clone+uv sync即可部署），代码结构清晰并包含类型提示。
Updated 2026-01-15 09:07:42 +08:00
Updated 2026-01-14 14:39:43 +08:00
Updated 2026-01-14 00:19:26 +08:00