LeadQualifier 10分钟快速上手从安装到跑通你的第一个线索资格审查模型【免费下载链接】LeadQualifier:dart: Qualify sales leads with machine learning项目地址: https://gitcode.com/gh_mirrors/le/LeadQualifierLeadQualifier是一个用机器学习做销售线索资格审查Qualify Sales Leads的开源项目它读取公司的描述文本自动判断每条销售线索是否合格qualified帮你把精力集中在最有价值的客户上。本文带你用 10 分钟完成从安装依赖、准备数据到训练并预测出你的第一个线索资格审查模型的全部流程。 LeadQualifier 是什么LeadQualifier 是一套可直接运行的 Python 脚本集合核心思路训练用带标签的公司描述数据合格/不合格训练一个文本分类器默认随机森林预测对新线索的描述打标签输出1 合格、0 不合格它支持两种玩法用 Xeneta 的公开数据挑战它的排行榜成绩用自己的数据为公司搭建专属线索资格审查器 项目结构速览LeadQualifier/ ├── train_algorithm/ # 第一步训练你的模型 │ └── input/ # 放入 qualified.xlsx / disqualified.xlsx ├── qualify_leads/ # 第二步对线索批量预测 │ ├── input/ # 放入 data.xlsx │ ├── algorithms/ # 训练产出的模型文件 │ └── output/ # 生成 predictions.xls ├── xeneta_qualifier/ # 进阶挑战 Xeneta 官方数据 └── requirements.txt # 依赖清单 第 1 步克隆仓库并安装依赖git clone https://gitcode.com/gh_mirrors/le/LeadQualifier cd LeadQualifier pip install -r requirements.txt依赖非常轻量requirements.txt 中只有nltk、numpy、sklearn、xlrd、xlwt五个库。另外文本预处理需要 NLTK 的英文停用词表在 Python 解释器中执行一次即可import nltk nltk.download(stopwords)版本提示项目脚本为 Python 2 风格编写cPickle、xrange、print语句建议使用 Python 2.7 对应旧版 scikit-learn 环境可保证两个脚本直接跑通。 第 2 步准备训练数据训练脚本 train_algorithm/run.py 会从 train_algorithm/input/ 读取两个 Excel 文件每个文件两列URL和Descriptionqualified.xlsx—— 已验证为合格客户的描述disqualified.xlsx—— 已验证为不合格客户的描述仓库中已附带示例数据可直接运行。数据格式如下图所示真实场景下公司描述可以从 FullContact 等企业信息接口获取把 URL 和描述整理进这两个表格即可。️ 第 3 步训练你的第一个线索资格审查模型进入训练目录执行cd train_algorithm python run.py脚本自动完成整条流水线见 train_algorithm/run.py环节说明文本清洗去标点、Snowball 词干提取、过滤停用词特征化CountVectorizer词频向量 TfidfTransformer加权训练RandomForestClassifier90 棵树预留 30% 测试集评估保存模型、向量器、TF-IDF 转换器存入 qualify_leads/algorithms/运行结束后控制台会打印随机森林的 Precision / Recall / F1 分数三个模型文件已就绪下一步就可以开始预测了。 第 4 步批量预测你的销售线索把待审查的线索放入 qualify_leads/input/data.xlsx格式与示例文件相同URLDescription两列然后执行cd qualify_leads python run.py预测逻辑见 qualify_leads/run.py加载模型 → 同样规则清洗文本 → 向量化 → 输出预测。结果会写入 qualify_leads/output/predictions.xls新增一列Prediction1表示线索合格0表示不合格至此你的线索资格审查流程已全部跑通 进阶挑战 Xeneta 官方数据Xeneta 开放了他们向量化后的数据xeneta_qualifier/data/ 下的train.csv/test.csv你可以把自己的算法加入 xeneta_qualifier/run.py 中实测打分冲上排行榜算法PrecisionRecallF1 ScoreSGD Classifier0.8720.9400.905Random Forest0.8450.9150.878仓库中还附带了一个 TensorFlow 神经网络实验脚本 xeneta_qualifier/nn.py可作为调优起点。 小贴士两个脚本都支持替换数据直接重跑换一批 Excel 文件即可复训 / 复测想要更好成绩可尝试替换分类器SGD、Naive Bayes、KNN 等在源码中留有注释入口预测分数不理想时优先检查训练数据量与标签质量而不是急着换算法10 分钟从pip install到拿到带预测结果的 Excel现在就去跑通你的第一个线索资格审查模型吧【免费下载链接】LeadQualifier:dart: Qualify sales leads with machine learning项目地址: https://gitcode.com/gh_mirrors/le/LeadQualifier创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考