信用卡违约客户的预测模型的选择(三）线性回归

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