监督学习：

您是否保存了数据的时间历史？ 对于监督学习集，您需要一些流失=“否”的案例和一些流失的=“是”案例，但听起来您只有流失=“是”和未知案例，例如可能流失或不流失的当前客户。通过一些时间历史，您可以回到过去并将当前客户明确标记为 churn="No"。

然后很容易拆分数据。不，您可能不想预测您训练过的任何数据，因为只有在您已经知道解决方案的情况下才能对其进行训练，所以这将是浪费时间并抛弃您可能用来评估准确性的任何指标（精度/召回/F1）在未来。

无监督学习：

如果您没有保存数据的时间历史，那么这是一个无监督学习集，您已经对其进行了 churned="yes" 和 churned="maybe"。然后，您可以在此集合上使用异常或异常值检测。

新奇检测： 训练数据没有被异常值污染，我们有兴趣检测新观察中的异常。

异常值检测： 训练数据包含异常值，我们需要拟合训练数据的中心模式，忽略异常观察。

你可以做任何一个，但新颖性更强大。这是一种翻转，因为这里的新颖性是 Churn="No"，因为您的所有数据都是已确认的 Churn="Yes" 案例。

希望这可以帮助！

scikit-learn 的文档可以帮助您提供拆分数据以进行交叉验证（培训、测试、验证）的最佳实践：http: //scikit-learn.org/stable/modules/cross_validation.html

在您的情况下，您的所有帐户都被标记为“流失”，值为“是”或“否”。如果您创建一个预测 Churned=Yes/No 的模型，那么您正在回答“给定帐户当前是否处于活动状态？”的问题，我认为这不是您想要回答的问题。

如果我理解，我想你想问一个关于 Churned=No 账户的可操作问题：

• “在接下来的 30 天内，Churned=No 帐户变为 Churned=Yes 的概率是多少？”
  • 需要访问时间序列数据。
  • 示例方法：
    • 使用 30k Churned=Yes 帐户创建监督模型（因为您知道这些帐户何时以及如何从 Churned=No 变为 Churned=Yes）并将其应用于 20k Churned=No 帐户。
    • 预测数量是在接下来的 30 天内，Churned=No 帐户变为 Churned=Yes 帐户的概率。
• “Churned=No 帐户与 Churned=Yes 帐户的‘接近度’有多接近？”
  • 不需要访问时间序列数据。
  • 示例方法：
    • 再次使用 30k Churned=Yes 帐户创建监督模型（可能需要多个模型用于不同的相似帐户集群）并将其应用于 20k Churned=No 帐户。
    • 预测数量是衡量在参数空间中 Churned=No 帐户与 Churned=Yes 帐户的接近度的度量（即风险评分）。