Credit_Card_customers 越来越多的客户离开了信用卡服务，银行的经理对此感到不安。 如果有人能为他们预测会被搅动的客户，他们将不胜感激，这样他们就可以主动向客户提供更好的服务，并将客户的决策转向相反的方向 现在，此数据集由10,000个客户组成，其中提到了他们的年龄，工资，婚姻状况，信用卡限额，信用卡类别等。 我们只有16.07％的客户流失过。 因此，训练我们的模型来预测流失的客户有点困难。 我在测试集上使用了5个具有不同F分数和准确性的不同模型。 这是所有5种方法及其

基于人工神经网络的银行搅动预测 该存储库将具有完整的基于机器学习和深度学习的银行业客户流失预测ANN模型，该模型将分析客户离开的可能性。 该项目已部署在Google Cloud Platform上，并在Localhost上进行了完全测试。 项目描述 欢迎屏幕 主欢迎屏幕由HTML5和CSS3制成，具有基本且简单的设计。 这是银行管理员的“银行流失预测”界面的主屏幕。 银行管理员输入 银行员工必须输入要分析其客户流失率的客户的详细信息。 下面是银行员工填写的输入的屏幕截图。 分析与准确性 预

银行客户搅动预测 该项目的目的是建立一个强大的深度学习模型，该模型可帮助银行预测有高风险离开银行的客户。数据集包含银行客户详细信息作为特征，目标变量为“已退出”，该变量说明该人是否从银行退出。 执行说明 ->->从requirements.txt文件安装相关的库和软件包 ->->要一次安装所有这些，只需运行 Windows: pip install -r requirements.txt Ubuntu: sudo pip install -r requirements

信用卡损耗分析 语境 越来越多的客户离开了信用卡服务，银行的经理感到不安。 如果有人能为他们预测会被搅动的话，他们将不胜感激，这样他们就可以主动向客户提供更好的服务，并将客户的决定转向相反的方向 语境 我从URL为的网站获得了此数据集。 我已经使用了一段时间来获取数据集，并据此进行工作以产生丰硕的成果。 该站点说明了如何解决特定的业务问题。 语境 现在，该数据集由10,000个客户组成，其中提到了他们的年龄，工资，婚姻状况，信用卡限额，信用卡类别等。有近18个功能。 语境 我们只有16.07％的

基于人工神经网络的银行搅动预测 该存储库将具有完整的基于机器学习和深度学习的银行业客户流失预测ANN模型，该模型将分析客户离开的可能性。 该项目已部署在Google Cloud Platform上，并在Localhost上进行了完全测试。 项目描述 欢迎屏幕 主欢迎屏幕由HTML5和CSS3制成，具有基本且简单的设计。 这是银行管理员的“银行流失预测”界面的主屏幕。 银行管理员输入 银行员工必须输入要分析其客户流失率的客户的详细信息。 以下是银行员工填写的输入的屏幕截图。 分析与准确性 预