客户流失率是考量业务成绩的一个非常关键的指标。根据历史数据建立模型，预测客户流失概率，可以找出用户流失的因素，从而完善产品，提升用户体验，减少客户流失概率。 拿到一个预测问题，需要做哪些分析？如何提取特征？如何选择合适的机器学习模型？如何调整模型的参数？对于一个大数据比赛的赛题，有什么常见的套路？ 一个数据挖掘的任务包含了数据预处理，特征提取，模型建立，模型融合等步骤，本次将基于模型原理以及比赛实战经验，分享如何解决客户流失概率的预测问题。 听众收益 1.了解一个数据挖掘问题的常见处理方法； 2.了解如何有效的抽取数据中的特征； 3.了解Xgb的基本原理及模型调参方法； 4.了解一些提升机器学习模型准确率的方法