Credit Card Customers信用卡客户流失预测

#### 背景描述
银行的一位经理因越来越多的顾客放弃信用卡服务而心烦意乱。如果有人能帮他们预测谁会离开，他们会非常感激，这样他们就能主动向客户提供更好的服务，让客户的决定向相反的方向转变。
#### 数据说明
这个数据集包含10,000名客户，其中包括他们的年龄、工资、marital_status、信用卡限额、信用卡类别等。

- clientnum——客户数量。持有该帐户的客户的唯一标识符

- attrition_flag——内部事件(客户活动)变量-如果帐户被关闭，则1，否则0

- Customer_Age——人口统计变量-以年为单位的客户年龄

- Gender——人口统计学变量- M=男性，F=女性

- dependent_count——人口统计变量-受抚养人数

- Education_Level——人口统计变量-账户持有人的学历(例如:高中、大学毕业生等)

- Marital_Status——人口统计变量-已婚，单身，离异，未知

- Income_Category——人口统计变量-年收入账户持有人的类别(< $40K， $40K - 60K， $60K -$ 80K， $80K-$120K， >

- Card_Category——卡类产品变量-卡类型(蓝卡，银卡，金卡，铂金卡)

- Monthsonbook——与银行的关系期限

- totalrelationshipcount——顾客持有的产品总数

- monthsinactive12_mon——过去12个月没有使用的月份总数

- contactscount12_mon——在过去的12个月里没有联系的数量

- Credit_Limit——信用卡的信用额度

- TotalRevolvingBal——信用卡的总循环余额

- AvgOpenTo_Buy——信用额度(过去12个月平均)

- TotalAmtChngQ4Q1——成交金额变动(Q4 over Q1)

- TotalTransAmt——交易总额(过去12个月)

- TotalTransCt——交易总数(过去12个月)

- TotalCtChngQ4Q1——交易计数的变化(Q4 over Q1)

- AvgUtilizationRatio——平均信用卡利用率

- NaiveBayesClassifier_attribution——朴素贝叶斯

#### 数据来源
https://leaps.analyttica.com/home
#### 问题描述
预测