本项目对某公司客户信息数据进行信息挖掘。 首先进行数据预处理 ，处理空缺值、异常值与离群点，接着进行数据类型转换，将文本型数据转换为离散型数值分类变量 ，便于后续特征空间的构建。 然后为了避免高维灾难与 多重共线性的发生阻碍回归预测，本文进行特征的选择 。对所有特征做相关性分析，除去有较高相关性的冗余特征， 同时删除 与 “是否流失 相关性不大的特征 ，最终从原十九个特征中保留了十个特征 。接着按照十个特征， 构建不同的分类模型 选取常用的决策树、逻辑回归、朴素贝叶斯、随机森林、支持向量机、 KNN 分类模型，并 利用 十折交叉验证法评价 比较不同分类模型的准确率 ，对分类结果进行分析与可视化展示， 选择出最适合该公司客户数据的分类器模型，并且 为公司提供建议。

利用Tableau绘制树状图、气泡图、面积图、柱状图、帕累托图、凹凸图等可视化图表，完成对历届奥运会的可视化分析 通过绘制时间折线图，可以发现无论是夏奥会还是冬奥会，赛事规模（参与运动员数量、国家数量、比赛项目数量）整体上都逐年扩大 通过绘制树状图，可以发现热度最高的项目是田径、游泳、赛艇、足球等 绘制获得金牌数量top气泡图，可以看出美国游泳名将菲利普斯获得28枚金牌独占鳌头； 通过绘制奖牌年龄面积图可以发现，23岁是运动员的黄金年龄，取得奖牌的可能性最大 通过性别对比柱状图，可以看出女性运动员数量在逐年提高 项目间的平均身高与体重大致成线性关系 由于原始数据是以运动员为视角，因此通过Tableau的组合，交叉表功能衍生出来其他信息表 中国在近五届夏季奥运会奖牌数都位列前三，在2008年北京奥运会更是取得金牌榜第一名 美国和俄罗斯同样也是体育强国 通过帕累托图可以看出奥运会同样存在二八定律，甚至更为明显，20%的国家拿到了近90%的奖牌 有五个项目都存在超过85%的垄断性夺冠率，分别是 （1） 加拿大在冰球领域的夺金率达到87.5% （2） 美国在篮球领域夺冠率达到90% （3） 中国在乒乓球领域夺冠率达到95% （4） 俄罗斯在花样游泳和艺术体操上夺冠率更是达到了惊人的百分百 在奖牌分布中，不同的国家普遍都是金牌数量最多 对于中国来说，优势项目是跳水、体操、举重、乒乓球、射击等 对于美国来说，优势项目是田径、游泳等

本项目采用LSTM模型，针对微博评论语料进行情感分类学习，与传统机器学习模型相比，LSTM模型在准确率上有显著提升，证明了在短文本自然语言处理上深度学习算法的优势。