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

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/LeadQualifier

LeadQualifier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：

1. 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）
2. 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Description：

• qualified.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）：

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（URL+Description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Prediction：1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：

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