逻辑回归信用卡风险评估案例

一、信用卡风险评估

这是一个二分类问题，0表示无风险用户，1表示有风险用户。显然数据集的0类别和1类别是不均衡的，后续建模我们会采用过采样或下采样处理。

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif']=['Simhei']  #设置中文字体
mpl.rcParams['axes.unicode_minus']=False  #解决图像保存时‘-’显示为方框的问题

data=pd.read_csv(r"【逻辑回归数据】creditcard.csv",encoding='utf8')
print(data.head())

labels_count=pd.value_counts(data['Class'])  #统计class类中0和1的频数
print(labels_count)
plt.title('正负实例样本数')
plt.xlabel('类别')
plt.ylabel('频数')
labels_count.plot(kind='bar')  #画条形图

'''
数据标准化：Z标准化，数据量纲不同则要标准化
'''
from sklearn.preprocessing import  StandardScaler
scaler=StandardScaler()   #将StandardScaler实例化
data['Amount']=scaler.fit_transform(data[['Amount']])  #将Amount标准化处理
print(data.head())

data=data.drop(['Time'],axis=1)   #删除Time列

'''
建模
'''
from sklearn.model_selection import train_test_split
x_whole=data.drop('Class',axis=1)
y_whole=data.Class   #将X和Y分离
x_train_w,x_test_w,y_train_W,y_test_W=train_test_split(x_whole,y_whole,
                                                       test_size=0.3,random_state=0)  #切分数据集，测试集为30%，随机划分
from sklearn.linear_model import LogisticRegression
lr=LogisticRegression()
lr.fit(x_train_w,y_train_W)  #做逻辑回归，结果储存在lr里面

print('预测结果')
#预测结果
train_predicted=lr.predict(x_train_w)  #得到预测值

print(train_predicted)
from sklearn import metrics
print(metrics.classification_report(y_train_W,train_predicted))  #打印混淆矩阵
#可视化混淆矩阵
def cm_plot (y,yp):
    from sklearn.metrics import confusion_matrix
    import matplotlib.pyplot as plt
    cm=confusion_matrix(y,yp)
    plt.matshow(cm,cmap=plt.cm.Blues)
    plt.colorbar()
    for x in range (len(cm)):
        for y in range (len(cm)):
            plt.annotate(cm[x,y],xy=(y,x),horizontalalignment='center',
                                          verticalalignment='center')
            plt.ylabel('True label')
            plt.xlabel('Predicted label')
    return plt
cm_plot(y_train_W,train_predicted).show()

#预测结果
test_predicted=lr.predict(x_test_w)
from sklearn import metrics
print(metrics.classification_report(y_test_W,test_predicted))
cm_plot(y_test_W,test_predicted)

如下图，是没有做数据平衡得出的分类结果，有126个真实标签为1类别，但模型预测为0类别，所以模型倾向于把类别预测为0类别。