逻辑回归做分类预测-客户购买

目录

文章目录

前言

一、初始化

二、了解数据集

三、了解变量

四、特征处理

五、 建模

总结

---

前言

本文的主要内容是对银行客户进行分类 预测其是否会购买银行的定期存款产品。

以下内容主要展现简单的数据分析、画图、分类变量编码、数据缩放和逻辑回归完整过程。

变量含义：

· ID：客户唯一标识
· age：客户年龄
· job：客户的职业
· marital：婚姻状况
· education：受教育水平
· default：是否有违约记录
· balance：每年账户的平均余额
· housing：是否有住房贷款
· loan：是否有个人贷款
· contact：客户联系的沟通方式
· day：最后一次联系的时间（几号）
· month：最后一次联系的时间（月份）
· duration：最后一次联系的交流时长
· campaign：在本次活动中，与该客户交流过的次数
· pdays：距离上次活动最后一次联系该客户，过去了多久
· previous：在本次活动之前，与该客户交流过的次数
· poutcome：上一次活动的结果
· y：预测客户是否会订购定期存款业务

---

一、初始化

导入相关包和库

#数据处理包
import numpy as np
import pandas as pd

#画图
import matplotlib.pyplot as plt
from matplotlib import rcParams
import seaborn as sns 

#建模
from sklearn.preprocessing import scale,LabelEncoder #用于数据预处理模块的缩放器、标签编码
from sklearn.model_selection import train_test_split #数据集分类器 用于划分训练集和测试集
from sklearn.metrics import classification_report,accuracy_score #评估预测结果
from sklearn.linear_model import LogisticRegression #需要使用的逻辑回归模型

设置显示

#设置输出全部结果 而非只有最后一个
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

#设置正常显示负号和中文
%matplotlib inline
plt.rcParams['font.family'] = 'SimHei' #用来正常显示中文
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

导入数据

data = pd.read_csv("/逻辑回归做分类预测-客户