网页首站,wordpress跳转设置,百度人工服务,wordpress中文 插件下载数据集的截图
# 字段 说明
# Ind_ID 客户ID
# Gender 性别信息
# Car_owner 是否有车
# Propert_owner 是否有房产
# Children 子女数量
# Annual_income 年收入
# Type_Income 收入类型
# Education 教育程度
# Marital_status 婚姻状况
# Housing_type 居住…
数据集的截图
# 字段 说明
# Ind_ID 客户ID
# Gender 性别信息
# Car_owner 是否有车
# Propert_owner 是否有房产
# Children 子女数量
# Annual_income 年收入
# Type_Income 收入类型
# Education 教育程度
# Marital_status 婚姻状况
# Housing_type 居住方式
# Birthday_count 以当前日期为0往前倒数天数-1代表昨天
# Employed_days 雇佣开始日期。以当前日期为0往前倒数天数。正值意味着个人目前未就业。
# Mobile_phone 手机号码
# Work_phone 工作电话
# Phone 电话号码
# EMAIL_ID 电子邮箱
# Type_Occupation 职业
# Family_Members 家庭人数
# Label 0表示申请通过1表示申请拒绝# 知道了数据集的情况我们来看问题
# 问题描述
# 用户特征与信用卡申请结果之间存在哪些主要的相关性或规律这些相关性反映出什么问题?
#
# 从申请用户的整体特征来看银行信用卡业务可能存在哪些风险或改进空间数据反映出的问题对银行信用卡业务有哪些启示?
#
# 根据数据集反映的客户画像和信用卡申请情况如果你是该银行的风控或市场部门负责人你会提出哪些战略思考或建议
#
# 参考分析角度
# 用户画像分析
#
# 分析不同人口统计学特征(如性别、年龄、婚姻状况等)对信用卡申请的影响和规律
# 分析不同社会经济特征(如收入、职业、教育程度等)与申请结果的关系
# 特征选取和模型建立
#
# 评估不同特征对预测信用卡申请结果的重要性进行特征筛选
# 建立信用卡申请结果预测模型评估模型性能
# 申请结果分析
#
# 分析不同用户群的申请通过率情况找到可能的问题原因
# 对申请被拒绝的用户进行细分寻找拒绝的主要原因# 知道问题后我们先进行数据预处理
print(data.info()) # 有缺失值
print(data.isnull().sum() / len(data)) # 可以看出有的列缺失值有点多 # GENDER 7 Annual_income 23 Birthday_count 22 Type_Occupation 488
# GENDER 0.004522 Annual_income 0.014858 Birthday_count 0.014212 Type_Occupation 0.315245
# Type_Occupation 0.315245 这一列缺失值数据占比有点高了但是这一列是职业跟我们的业务相关性较高我觉得应该将缺失值单独分为一个属性
# 其他的列的缺失值较少woe们可以填充也可以删除我觉得对于信用卡这种模型精度要求较严的我们就删除填充的值不是很准确可能对模型造成一定的影响
# 观察数据我们可以发现ID电话号邮箱这种特征对我们来说没有用 生日记数我也感觉没用
data[Type_Occupation] data[Type_Occupation].fillna(无)
data data.dropna()
data data.drop([Ind_ID,Mobile_phone,Work_Phone,Phone,EMAIL_ID,Birthday_count],axis1)
# 分析不同人口统计学特征(如性别、年龄、婚姻状况等)对信用卡申请的影响和规律
# 分析不同社会经济特征(如收入、职业、教育程度等)与申请结果的关系features [GENDER,EDUCATION,Marital_status,Annual_income,Type_Occupation,Type_Income]for i in range(len(features)):# plt.subplot(2,3,i1)plt.figure()if data[features[i]].dtype float:data[features[i]] pd.cut(data[features[i]],bins10)features_data data[features[i]].value_counts()plt.bar(features_data.index.astype(str),features_data.values)else:features_data data.groupby(features[i])[label].sum()features_data features_data.sort_values(ascendingFalse)plt.bar(features_data.index,features_data.values)plt.title(features[i]与信用卡申请之间的关系)plt.xlabel(features[i])plt.ylabel(总数量)plt.xticks(rotation60)plt.tight_layout() # 这样我们可以看出各个特征列与标签列之间的关系
# 我们看一下标签列的分布情况labels data[label].value_counts()
# print(labels)plt.figure()
plt.bar(labels.index,labels.values)
plt.title(信用卡申请人数比较)
plt.xticks([0,1],[未申请到信用卡,成功申请到信用卡]) # 由图可以看出申请到信用卡的人数比没申请到信用卡的人数少数据存在不均衡因此我们建立模型时要注意处理不均横的数据
# 由于计算机只能处理数字因此我们先将字符型数据转换为数值型这里我们可以用标签编码或者独热编码。这里我们选择标签编码
data[Annual_income] pd.factorize(data[Annual_income])[0]
data[label] data[label].astype(int)for i in data.columns:if data[i].dtype object:encode LabelEncoder()data[i] encode.fit_transform(data[i])X data.drop(label,axis1)
y data.labelrfc RandomForestClassifier(n_estimators100,random_state42)
rfc.fit(X,y)importance rfc.feature_importances_
sort_importance importance.argsort()
feature X.columnsplt.figure()
plt.barh(range(len(sort_importance)),importance[sort_importance])
plt.yticks(range(len(sort_importance)), [feature[i] for i in sort_importance])
plt.title(特征重要性分析)
plt.xlabel(特征重要性)# plt.show()# 通过特征重要性分析我们可以看出离职天年收入和职业类型与信用卡的申请有很大的关联X_train,X_test,y_train,y_test train_test_split(X,y,test_size0.3,random_state42)#分离少数类和多数类
X_minority X_train[y_train 1]
y_minority y_train[y_train 1]
X_majority X_train[y_train 0]
y_majority y_train[y_train 0]
X_minority_resampled resample(X_minority, replaceTrue, n_sampleslen(X_majority), random_state42)
y_minority_resampled resample(y_minority, replaceTrue, n_sampleslen(y_majority), random_state42)
new_X_train pd.concat([X_majority, X_minority_resampled])
new_y_train pd.concat([y_majority, y_minority_resampled])rfc RandomForestClassifier(n_estimators100,random_state42)
rfc.fit(new_X_train,new_y_train)
rfc_y_pred rfc.predict(X_test)class_report_rfc classification_report(y_test,rfc_y_pred)
print(class_report_rfc)# 有了准确率F1分数等我们来绘制混淆矩阵
rfc_corr confusion_matrix(y_test,rfc_y_pred)
plt.figure()
sns.heatmap(rfc_corr,annotTrue,fmtg)
plt.title(随机森林的混淆矩阵)
# plt.show()
print(rfc.predict_proba(X_test)[:1])
rfc_fpr,rfc_tpr,_ roc_curve(y_test,rfc.predict_proba(X_test)[:,1])
rfc_roc auc(rfc_fpr,rfc_tpr)plt.figure()
plt.plot(rfc_fpr,rfc_tpr,labelROC(area %0.2f))
plt.plot([0,1],[0,1],linestyle--)
plt.xlabel(False Rate)
plt.ylabel(True Rate)svm SVC(kernelrbf,probabilityTrue,random_state42)
svm.fit(new_X_train,new_y_train)
svm_y_pred svm.predict(X_test)class_report_svm classification_report(y_test,svm_y_pred)
print(class_report_svm)# 混淆矩阵
svm_corr confusion_matrix(y_test,svm_y_pred)
plt.figure()
sns.heatmap(svm_corr,annotTrue,fmtg)
plt.title(支持向量机(SVM)的混淆矩阵)svm_fpr,svm_tpr,_ roc_curve(y_test,svm.predict_proba(X_test)[:,1])
svm_roc auc(svm_fpr,svm_tpr)plt.figure()
plt.plot(svm_fpr,svm_tpr,labelROC(area %0.2f))
plt.plot([0,1],[0,1],linestyle--)
plt.xlabel(False Rate)
plt.ylabel(True Rate)Xgb xgb.XGBClassifier(random_state42,use_label_encoderFalse)
Xgb.fit(new_X_train,new_y_train)
Xgb_y_pred Xgb.predict(X_test)class_report_Xgb classification_report(y_test,Xgb_y_pred)
print(class_report_Xgb)# 混淆矩阵
Xgb_corr confusion_matrix(y_test,Xgb_y_pred)
plt.figure()
sns.heatmap(Xgb_corr,annotTrue,fmtg)
plt.title(XGboost的混淆矩阵)Xgb_fpr,Xgb_tpr,_ roc_curve(y_test,Xgb.predict_proba(X_test)[:,1])
Xgb_roc auc(Xgb_fpr,Xgb_tpr)plt.figure()
plt.plot(Xgb_fpr,Xgb_tpr,labelROC(area %0.2f))
plt.plot([0,1],[0,1],linestyle--)
plt.xlabel(False Rate)
plt.ylabel(True Rate)plt.show() precision recall f1-score support 随机森林 0 0.94 0.92 0.93 410 0和1代表着标签列的0和1 1 0.33 0.41 0.37 39 accuracy 0.88 449 macro avg 0.64 0.67 0.65 449 weighted avg 0.89 0.88 0.88 449 precision recall f1-score support SVM 0 0.95 0.05 0.10 410 1 0.09 0.97 0.16 39 accuracy 0.13 449 macro avg 0.52 0.51 0.13 449 weighted avg 0.88 0.13 0.10 449 precision recall f1-score support XGboost 0 0.94 0.92 0.93 410 1 0.34 0.41 0.37 39 accuracy 0.88 449 macro avg 0.64 0.67 0.65 449 weighted avg 0.89 0.88 0.88 449
