机器学习每周挑战——信用卡申请用户数据分析

数据集的截图

# 字段    说明
# Ind_ID    客户ID
# Gender    性别信息
# Car_owner 是否有车
# Propert_owner 是否有房产
# Children  子女数量
# Annual_income 年收入
# Type_Income   收入类型
# Education 教育程度
# Marital_status    婚姻状况
# Housing_type  居住方式
# Birthday_count    以当前日期为0，往前倒数天数，-1代表昨天
# Employed_days 雇佣开始日期。以当前日期为0，往前倒数天数。正值意味着个人目前未就业。
# Mobile_phone  手机号码
# Work_phone    工作电话
# Phone 电话号码
# EMAIL_ID  电子邮箱
# Type_Occupation   职业
# Family_Members    家庭人数
# Label 0表示申请通过，1表示申请拒绝

# 知道了数据集的情况，我们来看问题
# 问题描述
# 用户特征与信用卡申请结果之间存在哪些主要的相关性或规律？这些相关性反映出什么问题?
#
# 从申请用户的整体特征来看，银行信用卡业务可能存在哪些风险或改进空间？数据反映出的问题对银行信用卡业务有哪些启示?
#
# 根据数据集反映的客户画像和信用卡申请情况，如果你是该银行的风控或市场部门负责人，你会提出哪些战略思考或建议？
#
# 参考分析角度
# 用户画像分析
#
# 分析不同人口统计学特征(如性别、年龄、婚姻状况等)对信用卡申请的影响和规律
# 分析不同社会经济特征(如收入、职业、教育程度等)与申请结果的关系
# 特征选取和模型建立
#
# 评估不同特征对预测信用卡申请结果的重要性，进行特征筛选
# 建立信用卡申请结果预测模型，评估模型性能
# 申请结果分析
#
# 分析不同用户群的申请通过率情况，找到可能的问题原因
# 对申请被拒绝的用户进行细分，寻找拒绝的主要原因

# 知道问题后，我们先进行数据预处理

print(data.info()) # 有缺失值
print(data.isnull().sum() / len(data))  # 可以看出有的列缺失值有点多

# GENDER               7   Annual_income       23   Birthday_count      22     Type_Occupation    488
# GENDER             0.004522   Annual_income      0.014858    Birthday_count     0.014212   Type_Occupation    0.315245
# Type_Occupation    0.315245 这一列缺失值数据占比有点高了，但是，这一列是职业，跟我们的业务相关性较高，我觉得应该将缺失值单独分为一个属性
# 其他的列的缺失值较少，woe们可以填充，也可以删除，我觉得对于信用卡这种模型精度要求较严的，我们就删除，填充的值不是很准确，可能对模型造成一定的影响
# 观察数据，我们可以发现，ID，电话号，邮箱这种特征对我们来说没有用 ，生日记数我也感觉没用

data['Type_Occupation'] = data['Type_Occupation'].fillna("无")