数据概述：
本数据集包含两部分，旨在用于电信用户流失预测。
train.csv：该数据集包含历史数据，其中包括客户是否流失的信息。特征包括customerID（客户ID），gender（性别），SeniorCitizen（是否为老年人），Partner（是否有伴侣），Dependents（是否有家属），tenure（客户在公司的时间），PhoneService（是否有电话服务），MultipleLines（是否有多个线路），InternetService（互联网服务类型），OnlineSecurity（是否有在线安全），OnlineBackup（是否有在线备份），DeviceProtection（是否有设备保护），TechSupport（是否有技术支持），StreamingTV（是否有流媒体电视），StreamingMovies（是否有流媒体电影），Contract（合同类型），PaperlessBilling（是否无纸化账单），PaymentMethod（支付方式），MonthlyCharges（月消费），TotalCharges（总消费），以及Churn（是否流失）。
active_customers.csv：该数据集包含当前活跃用户的数据，不包含'Churn'标签。目的是预测这些活跃用户在不久的将来流失的可能性。
数据用途概述：
该数据集主要用于构建机器学习模型，以预测电信用户流失。通过分析历史数据，可以识别出导致用户流失的关键因素，从而帮助电信公司采取积极措施，例如个性化营销、改进服务等，以提高客户留存率。该数据集适用于数据挖掘、机器学习、商业分析等领域，可用于训练和评估流失预测模型，进行用户行为分析，以及制定客户关系管理策略。
