day 9.2 逻辑回归-案例-评分卡制作

最新推荐文章于 2022-05-20 14:57:13 发布

口袋里的小小哥

最新推荐文章于 2022-05-20 14:57:13 发布

阅读量361

点赞数

分类专栏： python 文章标签：逻辑回归

本文链接：https://blog.csdn.net/qq_41868948/article/details/105368354

版权

python 专栏收录该内容

33 篇文章 3 订阅

订阅专栏

import numpy as np
import pandas as pd

pd.set_option('display.max_columns', None)
from sklearn.linear_model import LogisticRegression as LR

data = pd.read_csv('评分卡模型数据.csv')
# print(data.head())
# print(data.info())
# print(data.shape)

# 字段含义
# SeriousDlqin2yrs                          1代表客户有违约，不是什么好客户，0代表没问题
# RevolvingUtilizationOfUnsecuredLines      贷款以及信用卡可用额度与总额度的比例
# age                                       借款人年龄
# NumberOfTime30-59DaysPastDueNotWorse      过去俩年内出现35-59天逾期但是没有发展的更快的次数
# DebtRatio                                 每月偿还债务，赡养费，生活费用除以月总收入
# MonthlyIncome                             月收入
# NumberOfOpenCreditLinesAndLoans           开放式贷款和信贷数量
# NumberOfTimes90DaysLate                   过去两年内出现90天逾期或更坏的次数
# NumberRealEstateLoansOrLines              抵押贷款和房地产贷款数量，包括房屋净值信贷额度
# NumberOfTime60-89DaysPastDueNotWorse      过去两年内出现60-89天逾期但是没有发展的更坏的次数
# NumberOfDependents                         家庭中不包括自身的家属人数（配偶，子女等）

# todo 1 去重且覆盖原数据
data.drop_duplicates(inplace=True)
# 删除之后千万不要忘记，恢复索引
data.index = range(data.shape[0])
# print(data.info())   # RangeIndex: 149391 entries, 0 to 149390

# todo 2 探索缺失值
# 查看每列缺失值的总数
# print(data.isnull().sum())
# 查看每列缺失值的在每列占得比例
# print(data.isnull().mean())  # print(data.isnull().sum()/data.shape[0])

# todo 3 填补缺失值
# 家庭人数用均值填写
data['NumberOfDependents'].fillna(data['NumberOfDependents'].mean(), inplace=True)
# print(data.head())
# 收入填写
# 可以使用随机森林补缺
def fill_missing_rf(X, Y, to_fill):
    """
    使用随机森林填补一个特征的缺失值的函数
    :param X: 要填补的特征矩阵
    :param Y: 完整的，没有缺失值的标签
    :param to_fill: 字符串，要填补的那一列的名称
    :return:
    """
    # 构建我们的新的特征矩阵和标签
    df = X.copy()
    fill = df.loc[:, to_fill]
    df = pd.concat([df.loc[:,df.columns != to_fill], pd.DataFrame(Y)], axis=1)
    # 找出训练集和测试集

    Ytrain = fill[fill.notnull()]
    Ytest = fill[fill.isnull()]
    Xtrain = df.iloc[Ytrain.index, :]
    Xtest = df.iloc[Ytest.index, :]

    # 用随机森林回归填补缺失值
    from sklearn.ensemble import RandomForestRegressor as rfc
    rfc = rfc(n_estimators=100).fit(Xtrain, Ytrain)
    Ypredict = rfc.predict(Xtest)
    return Ypredict


X = data.iloc[:, 1:]
Y = data['SeriousDlqin2yrs']
# print(X.shape)
y_pred = fill_missing_rf(X, Y, "MonthlyIncome")

# 确认我们的结果合理之后，我们就可以将数据覆盖了
data.loc[data.loc[:, "MonthlyIncome"].isnull(), "MonthlyIncome"] = y_pred
# print(y_pred)
# print(data.info())

# 后面的明日再更新