银行客户认购产品预测

目录

前言：

本赛题以银行产品认购预测为背景，旨在预测客户是否会购买银行的产品。在与客户沟通的过程中，记录了联系次数、上一次联系时长和时间间隔，同时在银行系统中保存了客户的基本信息，包括年龄、职业、婚姻状况、是否违约以及是否有房贷等。此外还统计了当前市场的情况，例如就业和消费信息以及银行同业拆借利率等。

一、背景【教学赛】金融数据分析赛题1：银行客户认购产品预测-天池大赛-阿里云天池
本赛题以银行产品认购预测为背景，旨在预测客户是否会购买银行的产品。在与客户沟通的过程中，记录了联系次数、上一次联系时长和时间间隔，同时在银行系统中保存了客户的基本信息，包括年龄、职业、婚姻状况、是否违约以及是否有房贷等。此外还统计了当前市场的情况，例如就业和消费信息以及银行同业拆借利率等。

用户购买预测是数字化营销领域中的重要应用场景，通过这道赛题，鼓励学习者利用营销活动信息，为企业提供销售策略，也为消费者提供更适合的商品推荐

比赛链接：https://tianchi.aliyun.com/competition/entrance/531993/forum

二、数据探索

加载后数据出来

三、数据图像

四、结果输出

从这里可以方便的看数据出来的结果

把数据保存并转为了csv文件

五、最终成绩

代码：

import pandas as pd

# 数据加载

train = pd.read_csv('./train.csv')

train

test = pd.read_csv('./test.csv')

test

# 训练集、测试集合并

df =pd.concat([train, test], axis=0)

df

cat_columns = df.select_dtypes(include='O').columns

df[cat_columns]

from sklearn.preprocessing import LabelEncoder

job_le = LabelEncoder()

df['job'] = job_le.fit_transform(df['job'])

df['job'].value_counts()

df['marital'].value_counts()

df['marital'] = df['marital'].map({'unknown': 0, 'single': 1, 'married': 2, 'divorced': 3})

df['marital'].value_counts()

df['education'].value_counts()

df['education'].value_counts()

df['education'] = df['education'].map({'unknown': 0, 'illiterate': 1, 'basic.4y': 2, 'basic.6y': 3,\

                    'basic.9y': 4, 'high.school': 5, 'university.degree': 6, 'professional.course': 7})

df['education'].value_counts()

#housing    loan    contact month   day_of_week poutcome

df['housing'].value_counts()

df['housing'] = df['housing'].map({'unknown': 0, 'no': 1, 'yes': 2})

df['housing'].value_counts()

df['loan'] = df['loan'].map({'unknown': 0, 'no': 1, 'yes': 2})

df['loan'].value_counts()

df['contact'] = df['contact'].map({'cellular': 0, 'telephone': 1})

df['contact'].value_counts()

# mon: 0, tue: 1, wed: 2, thu: 3, fri: 4

df['day_of_week'].value_counts()

df['day_of_week'] = df['day_of_week'].map({'mon': 0, 'tue': 1, 'wed': 2, 'thu': 3, 'fri': 4})

df['day_of_week'].value_counts()

df['poutcome'] = df['poutcome'].map({'nonexistent': 0, 'failure': 1, 'success': 2})

df['poutcome'].value_counts()

df['default'].value_counts()

df['default'] = df['default'].map({'unknown': 0, 'no': 1, 'yes': 2})

df['default'].value_counts()

#df[cat_columns]

df['month'] = df['month'].map({'mar': 3, 'apr': 4, 'may': 5, 'jun': 6, 'jul': 7, 'aug': 8, \

                 'sep': 9, 'oct': 10, 'nov': 11, 'dec': 12})

df['month'].value_counts()

df[cat_columns]

df['subscribe'] = df['subscribe'].map({'no': 0, 'yes': 1})

df['subscribe'].value_counts()

# 切分数据集

train = df[df['subscribe'].notnull()]

test = df[df['subscribe'].isnull()]

import lightgbm as lgb

model_lgb = lgb.LGBMClassifier(

            num_leaves=2**5-1, reg_alpha=0.25, reg_lambda=0.25, objective='binary',

            max_depth=-1, learning_rate=0.005, min_child_samples=3, random_state=2022,

            n_estimators=2000, subsample=1, colsample_bytree=1,

        )

# 模型训练

model_lgb.fit(train.drop('subscribe', axis=1), train['subscribe'])

from lightgbm import plot_importance

#model_lgb.feature_importances_

plot_importance(model_lgb)

y_pred = model_lgb.predict(test.drop('subscribe', axis=1))

y_pred

#sum(y_pred)

result = pd.read_csv('./submission.csv')

subscribe_map ={1: 'yes', 0: 'no'}

result['subscribe'] = [subscribe_map[x] for x in y_pred]

result

result.to_csv('./baseline_lgb1.csv', index=False)

result['subscribe'].value_counts()

总结

1. 类似违约、欺诈的这种案例样本，负样本的比例都是相对较少的，模型在正样本的表现都是不错的，但识别负样本的效果往往一般， 所以实际项目中如何提升模型识别负样本的精度及召回率才是重点，毕竟大部分项目负样本才是我们关心的。

2. 就本赛事的结果Accuracy，由于样本不平衡，即使所有样本都为正，Accuracy也能有0.92，但这种模型本身不具备识别负样本的能力，所以还得结合precision、recall等指标参考。

3. 实际项目中不要依赖于一个算法，可以综合多个算法的结果进行比较来对负样本进行预测筛查，然后结合原始数据的特征及业务经验对负样本进行再次筛选。