赛道 B：北京移动用户体验影响因素研究
移动通信技术飞速发展，给人们带来了极大便利，人们也越来越离不开移动通信技术带来的各种便捷。随着网络不断的建设，网络覆盖越来越完善。各个移动运营商，越来越重视客户的网络使用体验，从而进一步提升网络服务质量。客户满意度是客户对运营商产品服务的满意程度，反映了客户期望与实际感知的产品服务之间的差异。特别是在信息透明、产品同质化的今天，客户满意度的表现成为各大运营商市场运营状况的重要体现。数字经济时代，各大运营商需要运用数字经济的管理理念和技术手段，建立客户体验生态的全方位系统性测评体系，实现客户满意度评测的数字化转型，让客户体验赋能商业决策，让商业决策真正服务客户，共同推动移动网络高质量可持续发展。 下面给出整体思路代码(后续继续分析，不再重复收费，购买后加好友一对一指导): 首先对所有指标进行数据处理，进行缺失值和重复值检查。假设附件一和附件二的数据是对用户的真实情况记录，未对异常值进行处理。将object型数据进行编码处理，本文使用3种编码形式，包括lable编码、有序编码等。删除缺失值大于百分之 80的指标。考虑到变量的取值特征，本文将变量分为连续型变量和离散型变量两部分，分别运用相关分析和方差选择的方法，选择了与满意度在相关关系较强的20个连续型和26个离散型因素。对这50多个自变量与满意度建立LightGBM回归模型，并且对自变量的贡献度进行排序，找到前23个显著影响满意度的因素。考虑到这23个自变量之间可能存在多重共线性，为保证变量有较高的解释程度，计算自变量之间的相关系数，剔除自变量之间相关性较高的变量，最终得到对满意度最具显著影响的20个分子描述符变量。最后对选取的变量计算MIC和Spearman值，结果表明，选取的变量之间相关关系较弱，具有很好的独立性。同时，选取的20个变量具有很好的可解释性，说明20个变量的选取是合理的。 购买链接:
import random
import plotly.express as px
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.graph_objects as go
from sklearn.metrics import r2_score
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import MinMaxScaler
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import matplotlib.ticker as ticker
from matplotlib.ticker import FixedFormatter, FixedLocator
cm = sns.light_palette("green", as_cmap=True)
yuyin_clear.head(10).style.background_gradient(cmap=cm)
# 分为连续性变量和类别变量
con_col = []
Dis_col = []
for i in tqdm(yuyin_clear.columns):
if len(yuyin_clear.unique())<=10:
Dis_col.append(i)
if len(yuyin_clear.unique())>10:
con_col.append(i)
import seaborn as sns
from matplotlib.font_manager import FontProperties
import warnings
warnings.filterwarnings(&#39;ignore&#39;)
# 读取字体路径，设置字体为思源黑体
myfont=FontProperties(fname=r&#39;/Users/Library/Fonts/SourceHanSansSC-Normal.otf&#39;)
sns.set(font=myfont.get_family())
sns.set_style(&#34;whitegrid&#34;,{&#34;font.sans-serif&#34;:[&#39;Source Han Sans CN&#39;]})
发表于 2023-1-9 12:33:13
