在现代的互联网行业中,互联网公司在日常的运营中生成、累计的用户网络行为是极其庞大的,通过构建流失预警模型,预先分析已流失客户的特征,来识别即将流失的客户,并通过挽留手段留住存量客户是企业经营的重中之重。在客户流失预警中,主要考虑两方面:第一,预测模型的整体性能;第二,找出客户流失的重要驱动因素,并分析他们的流失原因。因此,流失预测模型应该具有良好的预测性能,同时易于实现且更易理解。决策树和逻辑回归是客户流失预测中两种非常流行的算法,具有很强的预测性能和良好的可理解性。尽管有这些优势,决策树在处理变量之间的线性关系时存在一些不足,而在变量之间的交互效应方面,逻辑回归也有一定的缺点。因此,针对这两个问题,本文提出使用一种新的混合算法,即逻辑决策模型,与前两者的主要区别在于,该算法是在数据段而不是整个数据集上构建的不同模型,这样既可以提高预测性能,每个叶片中所构建的模型也更易理解,以更好地对数据进行分类。本文研究了客户流失预警方面常用的算法模型,以公开数据集Churn为基础案例,对数据进行预处理后,分别采用决策树、逻辑回归两种算法进行预测分析,并将这两种方法结合,使用新的混合模型逻辑决策算法构建模型,经测试模型准确率从0.76提高到了0.891,AUC从0.812到0.912,F1-Score从0.456到0.686,逻辑决策模型算法的预测效果较好。主要做了如下工作:(1)模型构建之前,对数据进行预处理,采用SMOTE算法处理了样本数据不平衡的问题,重新选取样本数据进行训练及预测。(2)在逻辑回归和决策树的算法基础之上,本文采用了两者相结合的逻辑决策模型包括两个阶段:分段阶段和预测阶段。在第一阶段,根据决策规则对客户进行细分;在第二阶段,为树的每个叶节点构建一个适用的逻辑回归模型。(3)在预测性能和可理解性方面,本文使用AUC、F1 Score对模型进行评估,实验结果证明逻辑决策模型得分显著优于其构建块逻辑回归和决策树。