在阈值0.4到0.7范围内，模型保持了0.918的高召回率，仅漏报8个欺诈案例，同时随着阈值提高，误报数量从3124大幅减少至1047，表明模型能够在不影响欺诈检测能力的前提下显著降低误报率。为了系统化地处理数据不平衡问题，我们构建了一个包含采样器和分类器的Pipeline，使用Pipeline的好处是能够确保采样步骤只在训练数据上进行，避免数据泄露问题，并且可以方便地进行网格搜索优化。针对数据分

本文基于1000条保险客户数据，通过逻辑回归和决策树模型分析影响续保的关键因素。研究发现：收入水平、婚姻状况、职业和地区等特征显著影响续保决策，中等/高收入、已婚及特定职业人群续保意愿更强。决策树模型准确率达92%，显示年龄是首要影响因素，中年客户续保率高达99%。业务建议包括：实施差异化客户分层策略、优化产品结构、加强高价值客户维护等。研究为保险公司制定精准营销策略、提升续保率提供了数据支持。

在阈值0.4到0.7范围内，模型保持了0.918的高召回率，仅漏报8个欺诈案例，同时随着阈值提高，误报数量从3124大幅减少至1047，表明模型能够在不影响欺诈检测能力的前提下显著降低误报率。为了系统化地处理数据不平衡问题，我们构建了一个包含采样器和分类器的Pipeline，使用Pipeline的好处是能够确保采样步骤只在训练数据上进行，避免数据泄露问题，并且可以方便地进行网格搜索优化。针对数据分