用户贷款风险预测

作者介绍：皮吉斯，热爱R语言，知乎号：皮吉斯

本次的分析数据来自kaggle数据竞赛平台的“give me some credit”竞赛项目。任务是提高模型精度AUC。

本次分析用到了多种算法，分别有：逻辑回归，cart决策树，神经网络，xgboost，随机森林。通过多种模型相互对比，最终根据auc选出最好的模型。

分析步骤：

1. 导入数据

2. 数据清洗及准备

3. 模型建立，

4. 模型评估

5. 多模型对比

下面正式开始吧！

一. 导入数据

cs_training <- read.csv("cs_training.csv")

names(cs_training) 

a <- cs_training 

a1 <- cs_training 

colnames(a)<-c('id','response','x1','age','x2','debtratio','monthlyincome','x3','x4','x5','x6','x7')

导入数据，并对列名重命名，方便分析。

各字段的解释如下：

通过summary了解数据的整体情况，可以看到monthliincome和x7变量有缺失值

二. 数据清洗

# age变量

age<-a$age

var_age<-c(var="age",

mean=mean(age,na.rm=TRUE),#na.rm=TRUE去除NA的影响

median=median(age,na.rm=TRUE),

quatile(age,c(0,0.01,0.1,0.25,0.5,0.75,0.9,0.99,1),na.rm=TRUE),  

max=max(age,na.rm=TRUE),

missing=sum(is.na(age)) )

这样可以看到各个变量的数据分布情况

# 查看异常值

boxplot(age~response,data = a,horizontal = T ,frame = F ,        col = "lightgray",main = "Distribution")

上图可以看到，数据存在异常值。

处理异常值：通常采用盖帽法，即用数据分布在1%的数据覆盖在1%以下的数据，用在99%的数据覆盖99%以上的数据。

block<-function(x,lower=T,upper=T){

if(lower){

q1<-quantile(x,0.01)

x[x<=q1]<-q1

}  

if(upper){

q99<-quantile(x,0.99)

x[x>q99]<-q99

}

return(x)

}

经过处理，异常值大量减少

# x1

xa1<-a$x1

var_x1<-c(var='xa1',

mean=mean(xa1,na.rm = T),

median=median(xa1,na.rm = T),

quantile(xa1,c(0,0.01,0.1,0.5,0.75,0.9,0.99,1),na.rm = T), max=max(xa1,na.rm = T), 

miss=sum(is.na(xa1)) )

boxplot(x1~response,data=a,horizontal=T, frame=F, col="lightgray",main="Distribution") 

#对X1变量进行处理 

a$x1<-block(a$x1)

# x2

a$x2 

summary(a$x2) 

xa2<-a$x2 

var_x2<-c(var='xa2',

mean=mean(xa2,na.rm = T), 

median=median(xa2,na.rm = T), 

quantile(xa2,c(0,0.01,0.1,0.5,0.75,0.9,0.99,1),na.rm = T),  max=max(xa2,na.rm = T), 

miss=sum(is.na(xa2)) )