模型选择
在银行业数据挖掘中最常用的数据挖掘算法主要为线性回归,logistic回归和决策树分类,根据本数据集的特征,主要分析线性回归和logistic回归。
线性回归方法
在方法选择上首先我们选择线性回归方法(linear regression model),基于回归结果进行分类选择。线性回归是最简单的预测模型。在这里我们选用sklearn lib中的库linear_model进行模拟测试。
具体方法如下:
对模型进行训练:
lrg.fit(X_train, y_train)
得到预测值,及模型打分
lrg.predict(X_test)
lrg.score(X_test, y_test)
由于为分类变量,前期得到的分值较低,可以理解。线性模型变量的系数如下表所示。
变量 |
Coefficient |
0. |
|
LIMIT_BAL |