机器学习算法实践：金融风控-贷款违约预测（9.27日更新）

一：数据初识

1、基本数据、数据含义

1. id 为贷款清单分配的唯一信用证标识
2. loanAmnt 贷款金额
3. term 贷款期限（year）
4. interestRate 贷款利率
5. installment 分期付款金额
6. grade 贷款等级
7. subGrade 贷款等级之子级
8. employmentTitle 就业职称
9. employmentLength 就业年限（年）
10. homeOwnership 借款人在登记时提供的房屋所有权状况
11. annualIncome 年收入
12. verificationStatus 验证状态
13. issueDate
    贷款发放的月份
14. purpose 借款人在贷款申请时的贷款用途类别
15. postCode 借款人在贷款申请中提供的邮政编码的前3位数字
16. regionCode 地区编码
17. dti 债务收入比
18. delinquency_2years 借款人过去2年信用档案中逾期30天以上的违约事件数
19. ficoRangeLow
    借款人在贷款发放时的fico所属的下限范围
20. ficoRangeHigh 借款人在贷款发放时的fico所属的上限范围
21. openAcc 借款人信用档案中未结信用额度的数量
22. pubRec 贬损公共记录的数量
23. pubRecBankruptcies 公开记录清除的数量
24. revolBal 信贷周转余额合计
25. revolUtil 循环额度利用率，或借款人使用的相对于所有可用循环信贷的信贷金额
26. totalAcc 借款人信用档案中当前的信用额度总数
27. initialListStatus 贷款的初始列表状态
28. applicationType 表明贷款是个人申请还是与两个共同借款人的联合申请
29. earliesCreditLine
    借款人最早报告的信用额度开立的月份
30. title 借款人提供的贷款名称
31. policyCode 公开可用的策略代码=1新产品不公开可用的策略代码=2
32. n系列匿名特征 匿名特征n0-n14，为一些贷款人行为计数特征的处理

2、评价指标
提交结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC评估模型效果（越大越好）
3、数据初识、数据预处理
步骤如下：（详见代码）
数据导入
数据简单查看
数据预处理（简单）

4、task1-task5 代码

#task1 :导库
import numpy as np
import pandas as pd 

#导数据
data_train= pd.read_csv('D:/finance/train.csv',header= 0,index_col= 0)
data_test= pd.read_csv('D:/finance/testA.csv',header= 0,index_col= 0)

#拼接两份数据
data = pd.concat([data_train,data_test],axis =0)
#df = pd.concat([df.loc[:,df.columns != to_fill],pd.DataFrame(y)],axis=1)

#简单的数据查看
data_test.index
data_train.info()
data_train.head()
data_train.tail()
data_train.describe
data.shape

#简单的缺失值查看
data.isnull().sum()

#============================================================
#task2 
#特征的数据分布情况
data['isDefault'].value_counts()
data['grade'].value_counts()

#取需要的列数据
data_pca = data[['loanAmnt', 'term', 'interestRate', 'installment', 'grade', 'subGrade',
       'employmentTitle', 'employmentLength', 'homeOwnership', 'annualIncome',
       'verificationStatus', '