Block a user
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
基于机器学习（LogisticRegression/RandomForest）+ Agent 框架的学生成绩预测系统，支持结构化数据清洗（Polars）、模型训练与对比、风险评估及行动建议生成，技术栈包含 uv、Streamlit、Pydantic 等，适配课程设计 Level 1 的表格预测 + 行动建议闭环任务。
Updated 2026-01-12 11:12:05 +08:00