在目前构建万物互联的时代背景下,线上支付、电子商务、短视频、陌生社交等垂直领域在不断创新崛起。其中,网络游戏作为手机必备的娱乐软件,在互联网产品中表现尤为突出,越来越受到网络用户追捧与青睐。国内网游企业通过和国外一些大型企业合作,在平台和内容上取得重大突破,以至于网游行业一度被认为是极具开阔发展空间和潜力的朝阳产业。但是在行业内激烈的竞争和网络游戏生命周期短暂的特性下,如何留住用户,实现企业健康可持续发展是目前相关企业面临的最大困难。近年来,机器学习技术不断发展完善,在用户流失预测方面也开始探索实践。机器学习中涉及的算法模型不但克服了传统线性回归的局限性,适用于高维数据集,而且泛化能力较强,解释能力较好。在本文用户流失预测中,由于涉及到特征变量较多,数据量和复杂性较大,因此选用机器学习中一些典型的分类算法建立预测模型。论文是基于一款网络游戏近20万条用户行为数据建立玩家流失预测模型。首先对整体数据集进行必要的预处理,使用回归模型对缺失值进行填补;然后根据自定义登录时间差对玩家进行类别划分（正常vs流失）;结合变量相关性以及变量重要性两个指标初步筛选出九个特征变量进行下一步建模;按照7:3的比例把数据集分成训练集和测试集,在训练集上分别建立决策树模型、随机森林模型以及神经网络模型,并通过反复调整参数,让这三个单项模型分别达到各自最优的预测水平,结合评价指标和实际需要,认为单项预测模型在该数据集上的召回率还有提升空间;最后尝试将单项模型进行线性组合,并对最终二分类的界值自定义设置,让模型对有流失倾向的用户更加敏感,结果表明线性组合明显可以有效提高召回率,因此选用组合模型作为最终的预测模型,可以高效预判用户流失倾向,对于企业及时采取措施留住用户具有一定的参考和实践价值。