# 开源项目贡献者流失预测

## 项目结构
 '''
contributor_churn_prediction/
│
├── data/
│ ├── linux_commits.csv
│ └── rust_commits.csv
│
├── src/
│ ├── data_preprocessing.py
│ ├── time_series_prediction.py
│ ├── model.py
│
├── requirements.txt
├── main.py
└── README_V2.md
 '''

 ## 环境配置

 1. 安装 Anaconda 或 Miniconda。
 
 2. 创建虚拟环境：
 '''
conda create -n churn_pred python=12
conda activate churn_pred
 '''
 3. 安装依赖：
 '''
pip install -r requirements.txt
 '''
 4. 安装额外的系统依赖：
 '''
sudo apt-get update
sudo apt-get install -y libpq-dev build-essential
 '''
 5. 配置环境变量：
 '''
export PYTHONPATH="${PYTHONPATH}:/path/to/contributor_churn_prediction"
export DATA_DIR="/path/to/data"
export MODEL_CACHE="/path/to/model_cache"
 '''
 6. 下载并安装自定义的模型包：
 '''
git clone https://github.com/custom_models/churn_pred.git
cd churn_pred
pip install -e .
 '''
 ## 运行代码

 1. 数据预处理：
 '''
 python src/data_preprocessing.py --input $DATA_DIR/linux_commits.csv --output $DATA_DIR/processed_linux.pkl
 python src/data_preprocessing.py --input $DATA_DIR/rust_commits.csv --output $DATA_DIR/processed_rust.pkl
 '''

 2. 特征工程：
 '''
python src/time_series_prediction.py --input $DATA_DIR/processed_linux.pkl --output $DATA_DIR/features_linux.pkl
python src/time_series_prediction.py --input $DATA_DIR/processed_rust.pkl --output $DATA_DIR/features_rust.pkl
 '''
 3. 模型训练：
 '''
python src/model.py --input $DATA_DIR/features_linux.pkl --model-type rf --output $MODEL_CACHE/model_linux.pkl
python src/model.py --input $DATA_DIR/features_rust.pkl --model-type xgb --output $MODEL_CACHE/model_rust.pkl
 '''
 4.预测：
 '''
python main.py --linux-model $MODEL_CACHE/model_linux.pkl --rust-model $MODEL_CACHE/model_rust.pkl --output results.json
 '''