telco-customer-churn-prediction/visualization.py

# visualization.py - 客户流失预测模型可视化（直接运行即可）
import joblib
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
from sklearn.metrics import confusion_matrix, roc_curve, auc

# -------------------------- 基础设置（解决中文显示、图表样式）--------------------------
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文显示（Windows）
# 如果是Mac/Linux，替换为：plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
plt.style.use('seaborn-v0_8-whitegrid')  # 图表样式（清爽易读）

# -------------------------- 1. 加载模型和数据（复用已有逻辑）--------------------------
def load_model_and_data():
    """加载训练好的模型和测试集数据"""
    # 加载模型（确保模型文件路径正确）
    try:
        model = joblib.load('telco_churn_model.pkl')
        print("✅ 模型加载成功")
    except FileNotFoundError:
        raise FileNotFoundError("❌ 未找到模型文件！请先运行 src/model.py 训练模型")
    
    # 加载并切分数据（复用 src/data.py 的逻辑，避免重复代码）
    try:
        from src.data import load_data, split_data
        df = load_data()
        X_train, X_test, y_train, y_test = split_data(df)
        print("✅ 测试集数据加载成功（共1409条）")
        return model, X_test, y_test
    except ImportError:
        raise ImportError("❌ 未找到 src/data.py！请确保项目目录结构正确")

# -------------------------- 2. 特征重要性TOP10可视化（核心业务洞察）--------------------------
def plot_feature_importance(model):
    """绘制特征重要性TOP10图表"""
    # 提取预处理后的特征名和重要性得分
    preprocessor = model.named_steps['preprocessor']
    feature_names = preprocessor.get_feature_names_out()
    feature_importance = model.named_steps['classifier'].feature_importances_
    
    # 整理数据（排序+取TOP10，简化特征名方便显示）
    feature_df = pd.DataFrame({
        '特征名': feature_names,
        '重要性': feature_importance
    }).sort_values('重要性', ascending=False).head(10)
    
    # 简化特征名（原特征名太长，图表显示优化）
    feature_name_map = {
        'tenure': '客户在网时长',
        'TotalCharges': '总消费金额',
        'MonthlyCharges': '月消费金额',
        'Contract_Two year': '合约期-2年',
        'InternetService_Fiber optic': '网络类型-光纤',
        'PaymentMethod_Electronic check': '支付方式-电子支票',
        'Contract_One year': '合约期-1年',
        'OnlineSecurity_Yes': '在线安全服务-有',
        'TechSupport_Yes': '技术支持-有',
        'PaperlessBilling_Yes': '电子账单-是'
    }
    feature_df['简化特征名'] = feature_df['特征名'].map(lambda x: feature_name_map.get(x, x[:15]))  # 兜底避免报错
    
    # 绘制水平条形图（更易读）
    fig, ax = plt.subplots(figsize=(10, 6))
    sns.barplot(
        x='重要性', y='简化特征名', data=feature_df,
        palette='viridis_r', ax=ax  # 颜色渐变（反向，重要性越高颜色越深）
    )
    
    # 图表美化（标题、标签、数值标注）
    ax.set_title('客户流失预测 - 特征重要性TOP10', fontsize=16, fontweight='bold', pad=20)
    ax.set_xlabel('重要性得分', fontsize=12)
    ax.set_ylabel('特征', fontsize=12)
    ax.tick_params(axis='y', labelsize=10)
    
    # 在条形图上添加数值（直观展示得分）
    for i, v in enumerate(feature_df['重要性']):
        ax.text(v + 0.002, i, f'{v:.3f}', va='center', fontsize=9)
    
    # 保存图表（高清，可直接插入PPT）
    plt.tight_layout()
    plt.savefig('特征重要性TOP10.png', dpi=300, bbox_inches='tight')
    print("✅ 特征重要性图表已保存为：特征重要性TOP10.png")

# -------------------------- 3. 混淆矩阵可视化（模型效果直观展示）--------------------------
def plot_confusion_matrix(model, X_test, y_test):
    """绘制混淆矩阵（展示模型预测准确率、漏判/误判情况）"""
    # 生成预测结果
    y_pred = model.predict(X_test)
    
    # 计算混淆矩阵
    cm = confusion_matrix(y_test, y_pred)
    # 混淆矩阵标签（0=未流失，1=流失）
    labels = ['未流失', '流失']
    
    # 绘制热力图
    fig, ax = plt.subplots(figsize=(8, 6))
    sns.heatmap(
        cm, annot=True, fmt='d', cmap='Blues',  # fmt='d' 显示整数
        xticklabels=labels, yticklabels=labels, ax=ax,
        cbar_kws={'label': '客户数量'}  # 颜色条标签
    )
    
    # 图表美化
    ax.set_title('客户流失预测 - 混淆矩阵', fontsize=16, fontweight='bold', pad=20)
    ax.set_xlabel('预测标签', fontsize=12)
    ax.set_ylabel('真实标签', fontsize=12)
    
    # 添加统计信息（准确率、流失识别率）
    total = cm.sum()
    accuracy = (cm[0,0] + cm[1,1]) / total
    recall_churn = cm[1,1] / (cm[1,0] + cm[1,1])  # 流失客户识别率
    ax.text(0.5, -0.15, f'准确率：{accuracy:.3f} | 流失识别率：{recall_churn:.3f}', 
            ha='center', transform=ax.transAxes, fontsize=11)
    
    # 保存图表
    plt.tight_layout()
    plt.savefig('混淆矩阵.png', dpi=300, bbox_inches='tight')
    print("✅ 混淆矩阵图表已保存为：混淆矩阵.png")

# -------------------------- 4. 可选：ROC曲线可视化（进阶模型评估）--------------------------
def plot_roc_curve(model, X_test, y_test):
    """绘制ROC曲线（展示模型区分能力，AUC值）"""
    # 生成预测概率
    y_pred_proba = model.predict_proba(X_test)[:, 1]  # 取流失（1类）的概率
    fpr, tpr, _ = roc_curve(y_test, y_pred_proba)
    roc_auc = auc(fpr, tpr)
    
    # 绘制ROC曲线
    fig, ax = plt.subplots(figsize=(8, 6))
    ax.plot(fpr, tpr, color='darkorange', lw=2, label=f'ROC曲线 (AUC = {roc_auc:.3f})')
    ax.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--', label='随机猜测')
    
    # 图表美化
    ax.set_xlim([0.0, 1.0])
    ax.set_ylim([0.0, 1.05])
    ax.set_title('客户流失预测 - ROC曲线', fontsize=16, fontweight='bold', pad=20)
    ax.set_xlabel('假阳性率（误判为流失）', fontsize=12)
    ax.set_ylabel('真阳性率（正确识别流失）', fontsize=12)
    ax.legend(loc="lower right", fontsize=11)
    ax.grid(True, alpha=0.3)
    
    # 保存图表
    plt.tight_layout()
    plt.savefig('ROC曲线.png', dpi=300, bbox_inches='tight')
    print("✅ ROC曲线图表已保存为：ROC曲线.png")

# -------------------------- 主函数（一键运行所有可视化）--------------------------
if __name__ == "__main__":
    print("🚀 开始生成可视化图表...")
    try:
        # 加载模型和数据
        model, X_test, y_test = load_model_and_data()
        
        # 生成3张图表（特征重要性 + 混淆矩阵 + ROC曲线）
        plot_feature_importance(model)
        plot_confusion_matrix(model, X_test, y_test)
        plot_roc_curve(model, X_test, y_test)
        
        print("\n🎉 所有图表生成完成！文件保存在项目根目录：")
        print("1. 特征重要性TOP10.png（业务洞察核心）")
        print("2. 混淆矩阵.png（模型效果直观展示）")
        print("3. ROC曲线.png（进阶评估，AUC值）")
    except Exception as e:
        print(f"\n❌ 生成失败：{str(e)}")