Mindket

Customer Churn Predictor

新上架第 1 版 · 更新于

概览

用一个 Gradio 小应用里的 scikit-learn 模型,预测电信客户是否可能流失。适合想要一个可运行的流失预测示例来试用或参考的分析师和学生。

Customer Churn Predictor 是一款工具包,属于商务类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 3.12 和 pip
  • requirements.txt 里列出的包
用在
  • 网页浏览器,在 Hugging Face 上的 Space 页面打开,无需安装任何东西
  • Windows、macOS 或 Linux 上的本地副本,需要 Python 3.12
先运行
pip install -U huggingface_hub
hf download Saryy77/customer-churn-predictor --repo-type space --local-dir customer-churn-predictor
cd customer-churn-predictor

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 预测电信公司的客户流失。一个 scikit-learn 模型放在小小的 Gradio 页面后面,你输入客户的信息,就能看到模型对这位客户会不会离开的判断。

适合谁

想要一个小而可运行的流失预测示例,可以在浏览器里打开,也可以复制到自己电脑上的分析师、留存团队和学生。

IndustryWho uses itHow they use itExample
电信留存分析师查看哪些客户看起来可能离开输入一位客户的信息,读取预测结果
订阅服务产品经理研究流失模型如何呈现给团队打开页面,看它要求哪些输入
教育数据科学学生学习训练好的模型如何变成应用下载这三个文件,阅读 app.py
咨询数据顾问给客户演示一个简单的样例分享 Space 页面作为快速原型

如果你需要用自己的客户数据训练模型,这个演示最多只是个起点。

用在哪里

它可以在两个地方运行。

  • 网页浏览器,在 Hugging Face 上的 Space 页面打开,无需安装任何东西
  • Windows、macOS 或 Linux 上的本地副本,需要 Python 3.12
Use caseWhoWhat they get back
给一位客户打分留存分析师一个客户是否可能流失的预测
演示模型顾问客户可以打开并试用的页面
研究代码学生一个简短的 app.py 和 requirements.txt 可供阅读

如何设置

在线使用什么都不用准备。本地副本需要几样东西。

  • Python 3.12 和 pip
  • requirements.txt 里列出的包
  1. 安装 Hugging Face 工具。
  2. 把这个 Space 下载到一个文件夹。
  3. 进入该文件夹。
  4. 安装 Gradio 和 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Saryy77/customer-churn-predictor --repo-type space --local-dir customer-churn-predictor
cd customer-churn-predictor
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py

如何使用

打开 Space,填写页面上显示的客户字段并提交。页面随后显示模型对这位客户的流失预测。在本地副本里运行 python app.py,就能在自己的电脑上得到同样的页面。

示例

你输入一位手机用户的信息并提交表单。页面回复模型对这位客户是否可能离开的预测。

新手与专家

流失指客户不再付费。打开页面,每次只改一个输入,观察预测如何变化。这能让你看出模型主要依赖哪些信息。

模型是 scikit-learn 的,Gradio 把它包成网页表单。仓库很小,只有 README、app.py 和 requirements.txt,整条流程很容易读懂。它运行在 Hugging Face 的 zero-a10g 硬件上。

  1. 你填写客户信息
  2. Gradio 页面把信息送给模型
  3. scikit-learn 模型预测是否流失
  4. 页面显示结果

注意事项

README 内容很少,所以训练数据和准确率等细节都没有文档说明。

  • License: MIT
  • Cost to run: 没有提到
  • Data it reaches: 只有你在表单里输入的内容

README 和文件

README

Customer Churn Predictor

用一个 Gradio 小应用里的 scikit-learn 模型,预测电信客户是否可能流失。适合想要一个可运行的流失预测示例来试用或参考的分析师和学生。

由 Saryy77 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 预测电信公司的客户流失。一个 scikit-learn 模型放在小小的 Gradio 页面后面,你输入客户的信息,就能看到模型对这位客户会不会离开的判断。

适合谁:想要一个小而可运行的流失预测示例,可以在浏览器里打开,也可以复制到自己电脑上的分析师、留存团队和学生。

Industry | Who uses it | How they use it | Example
电信 | 留存分析师 | 查看哪些客户看起来可能离开 | 输入一位客户的信息,读取预测结果
订阅服务 | 产品经理 | 研究流失模型如何呈现给团队 | 打开页面,看它要求哪些输入
教育 | 数据科学学生 | 学习训练好的模型如何变成应用 | 下载这三个文件,阅读 app.py
咨询 | 数据顾问 | 给客户演示一个简单的样例 | 分享 Space 页面作为快速原型

如果你需要用自己的客户数据训练模型,这个演示最多只是个起点。

用在哪里:它可以在两个地方运行。

  • 网页浏览器,在 Hugging Face 上的 Space 页面打开,无需安装任何东西
  • Windows、macOS 或 Linux 上的本地副本,需要 Python 3.12
Use case | Who | What they get back
给一位客户打分 | 留存分析师 | 一个客户是否可能流失的预测
演示模型 | 顾问 | 客户可以打开并试用的页面
研究代码 | 学生 | 一个简短的 app.py 和 requirements.txt 可供阅读

如何设置:在线使用什么都不用准备。本地副本需要几样东西。

  • Python 3.12 和 pip
  • requirements.txt 里列出的包
  1. 安装 Hugging Face 工具。
  2. 把这个 Space 下载到一个文件夹。
  3. 进入该文件夹。
  4. 安装 Gradio 和 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Saryy77/customer-churn-predictor --repo-type space --local-dir customer-churn-predictor
cd customer-churn-predictor
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py

如何使用:打开 Space,填写页面上显示的客户字段并提交。页面随后显示模型对这位客户的流失预测。在本地副本里运行 python app.py,就能在自己的电脑上得到同样的页面。

示例:你输入一位手机用户的信息并提交表单。页面回复模型对这位客户是否可能离开的预测。

新手与专家:流失指客户不再付费。打开页面,每次只改一个输入,观察预测如何变化。这能让你看出模型主要依赖哪些信息。

模型是 scikit-learn 的,Gradio 把它包成网页表单。仓库很小,只有 README、app.py 和 requirements.txt,整条流程很容易读懂。它运行在 Hugging Face 的 zero-a10g 硬件上。

你填写客户信息
Gradio 页面把信息送给模型
scikit-learn 模型预测是否流失
页面显示结果

注意事项:README 内容很少,所以训练数据和准确率等细节都没有文档说明。

  • License: MIT
  • Cost to run: 没有提到
  • Data it reaches: 只有你在表单里输入的内容

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/Saryy77/customer-churn-predictor
  • 文件:https://huggingface.co/spaces/Saryy77/customer-churn-predictor/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Customer Churn Predictor 本页1gradiomit
Signature Detection共有 gradio12gradioagpl-3.0
Salamtak سلامتك共有 gradio2gradioagpl-3.0
Whisper Chileno共有 gradio1gradioapache-2.0
Medical Insight Explorer Agent共有 gradio1gradiomit
Food Waste CV共有 gradio1gradioagpl-3.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。

新上架

NuExtract3

numind · 工具包

以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。

新上架

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。

新上架