【机器学习-贷款用户逾期情况分析】1.模型构建

0.数据介绍

数据的下载地址 https://pan.baidu.com/s/1dtHJiV6zMbf_fWPi-dZ95g

注：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。

 

1.模型构建

 

  1.0任务说明

将金融数据集三七分，随机种子2018，调用sklearn包，简单构建逻辑回归、SVM和决策树3个模型并对每一个模型进行评分。

 

  1.1 数据划分和标准化

（1）读取数据，首先将数据中的标签和其他数据抽取出来，数据中"status"栏为标签。

（2）然后将金融数据集划分为训练集和测试集，训练集占0.7.测试集占0.3，随机种子数为2018。

这里利用train_test_split函数，train_test_split（）是sklearn.cross_validation模块中用来随机划分训练集和测试集，功能是从样本中随机的按比例选取train data和test data，形式为： 
X_train,X_test, y_train, y_test = cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0)

参数代表含义：

train_data：所要划分的样本特征集 
            train_target：所要划分的样本结果 
            test_size：样本占比，如果是整数的话就是样本的数量 
            random_state：是随机数的种子。

（3）划分数据后，因为各个数据分布不一，所以我们将其标准化，利用StandardScaler函数
代码如图：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

data = pd.read_csv('F:/competition/一周实践/data_all.csv')  #读取数据

data1=data.copy()
y=data1.loc[:,['status']] #数据标签
del data1['status']
x = data1   #数据
x_train, x_test,y_train,y_test= train_test_split(x, y, test_size=0.3,random_state=2018)   #数据集三七分，随机种子2018


ss = StandardScaler()  
x_train = ss.fit_transform(x_train) #数据标准化
x_test = ss.fit_transform(x_test) #数据标准化

 

  1.2 构建逻辑回归模型以及模型评估

（1）利用sklearn包里的LogisticRegressionCV（）函数构建模型：

lr = LogisticRegressionCV()
re = lr.fit(x_train,y_train)

 

模型构建完后保存模型：

from sklearn.externals import joblib
joblib.dump(ss,"logistic_ss.model")     #将标准化模型保存
joblib.dump(lr