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。
Go to file
2026-01-12 15:50:56 +08:00
.gitea/workflows Initial commit 2026-01-12 15:50:56 +08:00
src Initial commit 2026-01-12 15:50:56 +08:00
.env.example Initial commit 2026-01-12 15:50:56 +08:00
CHANGELOG.md Initial commit 2026-01-12 15:50:56 +08:00
GRADING_CRITERIA.md Initial commit 2026-01-12 15:50:56 +08:00
manifest.yaml Initial commit 2026-01-12 15:50:56 +08:00
README.md Initial commit 2026-01-12 15:50:56 +08:00
REPORT.md Initial commit 2026-01-12 15:50:56 +08:00
requirements.txt Initial commit 2026-01-12 15:50:56 +08:00

项目名称

一句话描述:这个项目做什么?

功能特性

  • 功能 1描述
  • 功能 2描述
  • 功能 3LLM 功能描述

快速开始

环境要求

  • Python 3.10+
  • DeepSeek API Key

安装

pip install -r requirements.txt

配置

  1. 复制 .env.example.env
  2. 填入你的 DeepSeek API Key
cp .env.example .env
# 编辑 .env 文件,填入 API Key

运行

# CLI 模式
python src/main.py --help
python src/main.py [命令] [参数]

# 或 Web 模式(如有)
# streamlit run app.py

使用示例

# 示例命令 1
python src/main.py example1

# 示例命令 2
python src/main.py example2

项目结构

project/
├── src/
│   ├── __init__.py
│   ├── main.py          # 主入口
│   └── ...              # 其他模块
├── data/                # 数据文件
├── output/              # 输出文件
├── manifest.yaml        # 项目运行声明
├── requirements.txt     # 依赖
└── README.md           # 本文件

作者

[姓名] - [学号]