机器学习：银行信贷预测（简单学习）

注意：本次案例使用的是pycharm编辑器

1、导入相关的包

# 导入相关的包
import pandas as pd
import numpy as np

# 导入预处理的库
import sklearn.preprocessing as pre
# 训练集、测试集划分
from sklearn.model_selection import train_test_split

# 逻辑回归
from sklearn.linear_model import LogisticRegression

# 模型评估
from sklearn import metrics

2、读取数据

# 1、读取数据
data = pd.read_csv(open(r"风险识别.csv", encoding="gbk"))

首先，我们读取下数据，因为我们的数据名有中文，所以加上 open( )

此时如果打印查看数据 data ，在pycharm里会省略不少字段（显示不全）

所以加上以下字段才会显示全：

# 显示全部列
pd.set_option('display.max_columns', None)   # 显示完整的列
pd.set_option('display.expand_frame_repr', False)  # 设置不折叠数据
# 下面配置显示行
# pd.set_option('display.max_rows', None)  # 显示完整的行
# pd.set_option('display.max_colwidth', 100)

上面我注释了一些，因为如果数据太多，也就是行太多那就要加载好久来显示，除非你加上data.head()

这段完整代码：

# 1、读取数据
data = pd.read_csv(open(r"风险识别.csv", encoding="gbk"))

pd.set_option('display.max_columns', None)   # 显示完整的列
pd.set_option('display.expand_frame_repr', False)  # 设置不折叠数据
# pd.set_option('display.max_rows', None)  # 显示完整的行
# pd.set_option('display.max_colwidth', 100)

print(data.head())

异常值识别与处理：
如果发现异常值较多，也可能是分类的影响，因此不做处理

3、相关分析

corr = data.corr()
print(corr)

data.corr()表示了data中的两个变量之间的相关性，取值范围为[-1,1],取值接近-1，表示反相关，类似反比例函数，取值接近1，表正相关

由相关举证可以看出变量之间虽有相关，但也不是很强，因此可以进行逻辑回归。如果相关性强则进行特征筛选

4、分出目标列

# 3、分出目标列
X = data.drop("还款拖欠情况", axis=1)
Y = data["还款拖欠情况"]
print(X)

5、标准化

前面我们导入了标准化的包

# 4.标准化
std = pre.StandardScaler()
# 调用fit_transform提取并转换数据； 一步导出结果（训练和导出一步完成）
X_std = std.fit_transform(X)

print(X_std)
print(X_std.shape)

6、划分训练集和测试集

# 5、划分训练集和测试集
X_train, X_test, Y_train, Y_test = train_test_split(X_std, Y, test_size=0.3, random_state=0)

7、训练模型

# 6、训练模型之 逻辑回归
lr = LogisticRegression(solver="sag")  # 实例化
lr.fit(X_train, Y_train)  # 训练数据

8、预测模型

# 7、预测模型
Y_pred = lr.predict(X_test)

9、模型评估

最前面我们导入了模型评估的包，这里就不演示了

# 8、模型评估
matrix = metrics.confusion_matrix(Y_test, Y_pred)  # 混淆矩阵

# 8、模型评估
matrix = metrics.confusion_matrix(Y_test, Y_pred)  # 混淆矩阵

print(matrix)
print("准确率:{:.2%}".format(metrics.accuracy_score(Y_test, Y_pred)))

# 即正确预测为正类的占全部预测为正类的的比例
print("精确率:{:.2%}".format(metrics.precision_score(Y_test, Y_pred)))
# 正确预测为正类的占全部实际为正类的的比例
print("召回率:{:.2%}".format(metrics.recall_score(Y_test, Y_pred)))

print("F1值::{:.2%}".format(metrics.f1_score(Y_test, Y_pred, average='binary')))