您正在尝试做的事情称为流失预测。不幸的是，您拥有的数据集不足以训练模型。您需要各种不同的功能来构建正确的预测模型。

例如，您需要客户的人口统计数据，但最重要的是与客户行为相关的数据。例如，如果您有一家移动网络公司，您可能需要以下功能：

1. 年龄
2. 性别

3. 国家

4. 每日使用情况（通话分钟数、SMS 或移动数据）

5. 前一天使用情况
6. 手机套餐（合同详情等）

一般来说，你拥有的关于你的问题的数据越多，建立这样一个模型就越容易。

我同意 Tasos，您需要有关客户的更多信息，客户居住在哪个区域。仅根据历史更新数据训练模型根本不是一个好的可预测模型，因为它没有考虑不同客户的独特性。它根本不会预测好或非常错过和命中预测。

首先，您需要了解（或在此处解释）您的业务类型。根据您所说，这似乎是一个基于订阅的“合同业务”。因为，这些类型有不同的解决方案。识别这一点将帮助您在 Google 上有效地查明和搜索解决方案。更多信息可以在这里找到

此外，您需要解释问题并回答几个问题。即

• 在历史订阅数据中，平均客户有多少订阅？就像他们每月支付的水电费一样吗？
• 客户一生中退订一次或多次（只需查看最近 3-4 年的数据）是否很常见？

此外，如果这些事情是未知的，那么除了订阅之外，您还需要有关客户的其他重要信息（如@Tasos 所说）。

以下是一个Python 库，它适用于非合同性质的企业。