1.单变量分析
计算gini值,或者iv或者ks
见另一篇文章
2.多变量分析
计算皮尔逊相关系数
python
import matplotlib.pyplot as plt
import seaborn as sns
data3_corr=data3.corr()
data3_corr.to_csv('trade_5_csv.csv')
sns.heatmap(data3_corr)
plt.show()
3.随机抽样
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
n: 要抽取的行数,需为整数值
frac:抽取的比列,需为小数值,比方说我们想随机抽取30%的数据,则设置frac=0.3即可。
replace:抽样后的数据是否代替原DataFrame(),默认为False
weights:默认为等概率加权
random_state:随机种子,本质是一个控制器,设置此值为任意实数,则每次随机的结果是一样的
axis:抽取数据的行还是列,axis=0的时是抽取行,axis=1时是抽取列
4.随机划分训练集和测试集
train_test_split是交叉验证中常用的函数,功能是从样本中随机的按比例选取train data和test data。
语法:
X_train,X_test, y_train, y_test =
cross_validation.t