数据分享|Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户...

于 2022-11-08 16:16:42 发布
阅读量406 收藏 5
点赞数
文章标签： python 决策树 随机森林 分类 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tecdat/article/details/129387539
版权

原文链接：http://tecdat.cn/?p=23518

项目背景：银行的主要盈利业务靠的是贷款，这些客户中的大多数是存款大小不等的责任客户（存款人）。银行拥有不断增长的客户（点击文末“阅读原文”获取完整代码数据）。

该银行希望增加借款人（资产客户），开展更多的贷款业务，并通过贷款利息赚取更多利润。因此，银行希望将负债的客户转换为个人贷款客户。（同时保留他们作为存款人）。该银行去年针对负债客户开展的一项活动显示，成功实现了9％以上的成功转化率。该部门希望建立一个模型，来帮助他们确定购买贷款可能性更高的潜在客户。可以增加成功率，同时降低成本。

相关视频

数据集

下面给出的文件包含5000个客户的数据（查看文末了解数据获取方式）。数据包括客户人口统计信息（年龄，收入等），客户与银行的关系（抵押，证券账户等）以及客户对上次个人贷款活动的因变量（个人贷款）。在这5000个客户中，只有480个（= 9.6％）接受了先前活动中提供给他们的个人贷款

data.head()

f78e2985ff2cb4bcb860a0853728d9fe.png

data.columns

40463bf8a12bc167c158a6ca0e396c3a.png

属性信息

属性可以相应地划分：

  • 变量 ID 一个人的客户ID与贷款之间没有关联，也无法为将来的潜在贷款客户提供任何一般性结论。我们可以忽略此信息进行模型预测。

二进制类别具有五个变量，如下所示：

  • 个人贷款-该客户是否接受上一个广告系列提供的个人贷款？ 这是我们的目标变量

  • 证券帐户-客户在银行是否有证券帐户？

  • CD帐户-客户在银行是否有存款证明（CD）帐户？

  • 网上银行-客户是否使用网上银行？

  • 信用卡-客户是否使用银行发行的信用卡？

数值变量如下：

  • 年龄-客户的年龄

  • 工作经验

  • 收入-年收入（元）

  • CCAvg-平均信用卡消费

  • 抵押-房屋抵押价值

有序分类变量是：

  • 家庭-客户的家庭人数

  • 教育程度-客户的教育程度

标称变量是：

  • ID

  • 邮政编码

data.shape

6721b08558128849b69bb85dacad5bff.png

data.info()

7e3350b2ff7ce475dfc2bb3790e848ed.png

# 文件中没有列有空数据
data.apply(lambda x : sum(x.isnull()))

86fed5d9afabce39c5db99940f7c869c.png

# 对数据进行目测
data.describe().transpose()

1a565bbefb2a10c8ac04eee28cbfd789.png

#查看有多少不同数据
data.apply(lambda x: len(x.unique()))

d2f859f46b0ff1289a306877054bf1e8.png

两两变量散点图

61dc55996ea0c5d786c857caeeda20d0.png

  • 年龄 特征通常是分布的，大多数客户年龄在30岁到60岁之间。

  • 经验 大多分布在8年以上经验的客户。这里的 平均值 等于中 位数。有负数 。这可能是数据输入错误，因为通常无法衡量负数的工作经验。我们可以删除这些值，因为样本中有3或4条记录。

  • 收入出现 正偏斜。大多数客户的收入在45,000到55K之间。我们可以通过说平均值 大于 中位数来确认这一点

  • CCAvg 也是一个正偏变量，平均支出在0K到10K之间，大多数支出不到2.5K

  • 抵押 70％的人的抵押贷款少于4万。但是最大值为635K

  • 家庭和教育变量是序数变量。家庭分布均匀

有52条记录经验为负数。在进一步进行之前，我们需要对这些记录进行清理

data\[data\['Experience'\] < 0\]\['Experience'\].count()
52
#清理负数变量
dfExp = data.loc\[data\['Experience'\] >0\]
data.loc\[negExp\]\['ID'\].tolist() # 得到有负数经验的客户ID

有52条负数经验的记录

c16dd6e6a563e44e51a2fcd6d75cd820.png

以下代码执行以下步骤：

  • 对于具有ID的记录，获取Age column的值

  • 对于具有ID的记录，获取Education column的值

  • 从具有正数经验的记录的数据框中过滤符合以上条件的记录，并取中位数

  • 将中位数填充原本负数经验的位置

data.loc\[np.where(\['ID'\]==id)\]\["Education"\].tolist()\[0\]
df_filtered\['Experience'\].median()
# 检查是否有负数经验的记录
data\[data\['Experience'\] < 0\]\['Experience'\].count()
0

9bebf907eb9c551f00f1d410b073b58f.png

收入和教育对个人贷款的影响

boxplot(x='Education',y='Income',data=data)

1573c18acc7e3ea7b2eb30cf0ccfa443.png

观察 ：看来教育程度为1的客户收入更高。但是，接受了个人贷款的客户的收入水平相同

点击标题查阅往期内容

76e58d0a62577b496deb85d64cfe5812.png

R语言基于决策树的银行信贷风险预警模型

outside_default.png

左右滑动查看更多

outside_default.png

01

d4643fe6cd9a636f3d3fb267d0a9ace8.png

02

b5f3ad3718586a7d1ab56aacc7e9766f.jpeg

03

439c213354284f57d2cdcb19683b4dde.png

04

b999feb518cb0edb4c5d69ee5d0b278f.png

b6e4d85137a2700947d11cec521689f4.png

推论 ：从上图可以看出，没有个人贷款的客户和拥有个人贷款的客户的抵押贷款较高。

aa0d6448bbfad97e31b9b2b01c6ea340.png

观察 ：大多数没有贷款的客户都有证券账户

881d1c253ffad80d34b261ba89485459.png

观察：家庭人数对个人贷款没有任何影响。但是似乎3岁的家庭更有可能借贷。考虑未来的推广活动时，这可能是一个很好的观察结果。

b86adbc862b13a8c14020c85a4886f0b.png

观察：没有CD帐户的客户，也没有贷款。这似乎占多数。但是几乎所有拥有CD帐户的客户也都有贷款

7ce5b8b114f89612418aeaca35d3f4ea.png

795fcd7e0865f85703b46627453d125e.png

观察：该图显示有个人贷款的人的信用卡平均费用更高。平均信用卡消费中位数为3800元，表明个人贷款的可能性更高。较低的信用卡支出（中位数为1400元）不太可能获得贷款。这可能是有用的信息。

879535f58750e8bb5d4e038f486fcd9a.png

观察 上图显示与经验和年龄呈正相关。随着经验的增加，年龄也会增加。颜色也显示教育程度。四十多岁之间存在差距，大学以下的人也更多

# 与热图的关联性

corr = data.corr()
plt.figure(figsize=(13,7))
# 创建一个掩码，以便我们只看到一次相关的值

a = sns.heatmap(corr,mask=mask, annot=True, fmt='.2f')

a30cf5e504077211eeb5a77cf5f1f17b.png

观察

  • 收入和CCAvg呈中等相关。

  • 年龄和工作经验高度相关

sns.boxplot

看下面的图，收入低于10万的家庭比高收入的家庭更不可能获得贷款。

7cdca8a4de95b511e4f15f0e05f291f1.png

应用模型

将数据分为训练集和测试集

train\_labels = train\_set
test\_labels = test\_set

决策树分类器

DecisionTreeClassifier(class_weight=None, criterion='entropy', ...)
dt_model.score
0.9773333333333334
dt\_model.predict(test\_set)

预测

array(\[0, 0, 0, 0, 0\])

查看测试集

test_set.head(5)

5f494eb11134e436ace4e0e7348afdfb.png

朴素贝叶斯

naive\_model.fit(train\_set, train_labels)
naive_model.score
0.8866666666666667

随机森林分类器

RandomForestClassifier(max\_depth=2, random\_state=0)
Importance.sort_values

599891953b14bdb4a65f1c1079ee04f5.png

randomforest\_model.score(test\_set,test_labels)
0.8993333333333333

KNN（K-最近邻居）

data.drop(\['Experience' ,'ID'\] , axis = 1).drop(labels= "PersonalLoan" , axis = 1)
train\_set\_dep = data\["PersonalLoan"\]
acc = accuracy\_score(Y\_Test, predicted)
print(acc)
0.9106070713809206

模型比较

for name, model in models:
    kfold = model\_selection.KFold(n\_splits=10)
    cv\_results = model\_selection.cross\_val\_score(model, X, y, cv, scoring)


# 箱线图算法的比较
plt.figure()

0004833a43818c2233cd6ad5dbb31ea9.png

d9663bd26cd34e168e4ea6fde9f53c2f.png

f80bfa6bd2fccc5242b79730f1081cda.png

结论

通用银行的目的是将负债客户转变为贷款客户。他们想发起新的营销活动；因此，他们需要有关数据中给出的变量之间的有联系的信息。本研究使用了四种分类算法。从上图可以看出，随机森林 算法似乎 具有最高的精度，我们可以选择它作为最终模型。

数据获取

在下面公众号后台回复“银行数据”，可获取完整数据。

9e2a61df1217e3d9beecfe483e998e62.jpeg

点击文末“阅读原文”

获取全文完整资料。

本文选自《Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户》。

点击标题查阅往期内容

PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享

用PyTorch机器学习神经网络分类预测银行客户流失模型

R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化

R语言KERAS用RNN、双向RNNS递归神经网络、LSTM分析预测温度时间序列、 IMDB电影评分情感

Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化

Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析

R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告

R语言深度学习：用keras神经网络回归模型预测时间序列数据

Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类

R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）

MATLAB中用BP神经网络预测人体脂肪百分比数据

Python中用PyTorch机器学习神经网络分类预测银行客户流失模型

R语言实现CNN（卷积神经网络）模型进行回归数据分析

Python使用神经网络进行简单文本分类

R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析

R语言基于递归神经网络RNN的温度时间序列预测

R语言神经网络模型预测车辆数量时间序列

R语言中的BP神经网络模型分析学生成绩

matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类

R语言实现拟合神经网络预测和结果可视化

用R语言实现神经网络预测股票实例

使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测

python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译

用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

995eeb00de30cab1056f44618fdc4987.png

3c6664a5b772535c1247989693007fc8.jpeg

b5b4fa32f9d62d7b85187d04a6c61689.png

拓端研究室TRL
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
博客
【专题】2024智慧医疗行业研究报告合集PDF分享（附原数据表）
05-21 2
原文链接：https://tecdat.cn/?p=36230医疗信息化正在以医疗服务需求不断升级的大背景下，融合大数据和人工智能等创新技术，不断扩展其范围和定义（查看文末了解专题报告合集PDF版本免费获取方式）。从单一的院内信息化，逐步发展到区域间、不同机构间的数据互联互通与共享应用，涵盖的范围不再仅限于患者的病历信息，还延伸到居民的全生命周期健康数据，以及与健康息息相关的环境等信息，构建更加完...
博客
多状态马尔可夫链、生存分析心脏同种异体移植血管病变（CAV）数据可视化|附数据代码...
05-20 458
原文链接：https://tecdat.cn/?p=36216临床研究和医疗经济学研究中客户经常关注于评估患者在疾病从一种状态发展到另一种状态时的生存预后（点击文末“阅读原文”获取完整代码数据）。相关视频标准生存模型仅直接模拟两种状态：存活和死亡。多状态模型允许直接模拟疾病进程，在这些过程中，患者在随机的时间间隔内处于健康或疾病的各种状态，但除了死亡外，进入或离开状态的时间都是未知的。多状态模型在...
博客
【专题】2024年汽车产业发展报告合集PDF分享（附原数据表）
05-20 2
原文链接：https://tecdat.cn/?p=36213在国内汽车市场，竞争态势正日益激烈。随着消费者对汽车品质和性能要求的不断提高，以及环保意识的增强，国产新能源汽车正快速崛起，成为推动汽车消费市场更新换代的重要力量（查看文末了解专题报告合集PDF版本免费获取方式）。这一变化不仅影响着消费者的购车选择，也促使主机厂和经销商对汽车销售线索的需求愈发迫切。阅读原文，获取专题报告合集全文，解锁文...
博客
Python没有服务器如何部署运行Shiny应用程序
05-17 592
原文链接：https://tecdat.cn/?p=36205随着Web技术的快速发展，越来越多的数据科学家和开发人员倾向于使用Web应用程序进行数据分析和可视化（点击文末“阅读原文”获取完整代码数据）。Shiny for Python作为一种流行的Web应用程序框架，为Python开发人员提供了便捷的数据展示和交互工具。然而，在实际应用中，由于硬件资源或成本限制，有时无法直接使用服务器进行部署。...
博客
【专题】2024小红书餐饮行业方法论报告合集PDF分享（附原数据表）
05-17 11
原文链接：https://tecdat.cn/?p=36199报告合集显示，消费者对餐饮的需求正从单一的口味体验转变为追求更高层次的情绪价值和文化价值（查看文末了解专题报告合集PDF版本免费获取方式）。餐饮不仅是生活的小确幸，更成为社交、休闲和探索的重要场景。小红书凭借其真实、利他、生动、丰富的内容，成为餐饮消费决策的重要影响力量。小红书提出的漂亮饭循环概念，强调的是一种全新的餐饮消费模式。在这里...
博客
短语挖掘与流行度、一致性及信息度评估：基于文本挖掘与词频统计|附数据代码...
05-16 853
全文链接：https://tecdat.cn/?p=36193在信息爆炸的时代，文本数据呈现出爆炸式的增长，从新闻报道、社交媒体到学术论文，无处不在的文本信息构成了我们获取知识和理解世界的重要来源。然而，如何从海量的文本数据中提取有价值的信息，尤其是那些能够反映主题、趋势或情感倾向的短语，成为了文本挖掘领域的一个重要挑战（点击文末“阅读原文”获取完整代码数据）。相关视频短语挖掘作为文本挖掘的一个重...
博客
【专题】2024年中国即时配送行业研究报告合集PDF分享（附原数据表）
05-16 9
原文链接：https://tecdat.cn/?p=36188即时配送服务凭借其无与伦比的高效与便捷，已深深满足了当代社会对于速度和便捷性的双重追求（查看文末了解专题报告合集PDF版本免费获取方式）。据权威报告揭示，即时配送行业规模已突破3400亿元，且预测至2028年，这一数值将飙升至超过8100亿元。阅读原文，获取专题报告合集全文，解锁文末88份即时配送相关行业研究报告。作为即时配送背后的主要...
博客
【专题】2024年消费新潜力白皮书报告合集PDF分享（附原数据表）
05-15 11
原文链接：https://tecdat.cn/?p=361852024年一季度，消费者信心与消费倾向呈现小幅回升，市场消费意愿与信心逐渐恢复，尤其服务消费显著增长，出行修复向好；尽管社会零售复苏缓慢，日用品等消费动力疲弱，但出行与升级类消费已超2019年同期（查看文末了解专题报告合集PDF版本免费获取方式）。国货在服饰美妆、户外运动及黄金珠宝等领域持续崛起，市场份额显著提升。阅读原文，获取专题报告...
博客
【专题】2024中国医疗器械企业全球化发展报告合集PDF分享（附原数据表）
05-14 11
原文链接：https://tecdat.cn/?p=36180中国医疗器械企业在国内市场面临同质化竞争和研发能力薄弱等挑战，而海外市场则展现出巨大的增长潜力和性价比优势。因此，全球化布局对于中国医疗器械企业至关重要（查看文末了解专题报告合集PDF版本免费获取方式）。该报告合集详细分析了这些市场的宏观经济、医疗体系、市场概况和监管体系，回顾了中国医疗器械企业进入这些市场的主要模式，指出了面临的挑战，...
博客
马尔可夫转换MSVAR模型预测资产收益率时间序列可视化分析|附数据代码
05-13 711
原文链接：https://tecdat.cn/?p=36166在现代金融市场中，资产收益率序列的预测一直是投资者和金融机构关注的焦点（点击文末“阅读原文”获取完整代码数据）。相关视频资产收益率的波动不仅反映了市场的风险水平，也直接影响到投资组合的表现和风险管理策略的制定。然而，金融市场的复杂性和不确定性使得资产收益率的预测变得极具挑战性。为了应对这一挑战，研究者们不断探索各种先进的预测模型和方法。...
博客
【专题】2024储能行业营销数据洞察白皮书报告合集PDF分享（附原数据表）
05-13 13
原文链接：https://tecdat.cn/?p=36163储能行业正在经历一个显著的增长阶段，相关企业的数量持续增长，全球储能公司的规模也在迅速扩大。这一趋势在全球范围内都可见，特别是欧美、巴西、印度等国家，它们已成为储能企业的主要分布地区（查看文末了解专题报告合集PDF版本免费获取方式）。与此同时，中国储能企业也凭借其强大的竞争力和创新能力，吸引了大量海外关注者。阅读原文，获取专题报告合集全...
博客
【专题】2024中国创新药械出海趋势与策略白皮书报告合集PDF分享（附原数据表）...
05-11 12
原文链接：https://tecdat.cn/?p=36159中国生物医药BD交易活跃，2023年创新药BD首付款超200亿元，标志国内BD新里程碑。创新药出海面临机遇与挑战，需应对国谈压力与合规短板（查看文末了解专题报告合集PDF版本免费获取方式）。阅读原文，获取专题报告合集全文，解锁文末150份医药相关行业研究报告。中国医疗器械出海势头强劲，但高值耗材和高端设备领域需加强研发创新。药械出海交易...
博客
【视频】多元线性回归模型原理讲解与R语言实例
05-10 724
原文链接：https://tecdat.cn/?p=36149分析师：Xue Yang近年来，随着计量经济学和统计学的快速发展，回归模型作为一种有效的数据分析工具，被广泛应用于金融市场的分析中（点击文末“阅读原文”获取完整代码数据）。视频回归模型能够通过建立变量之间的数学关系，揭示变量之间的相互作用机制，并预测未来趋势。在金融领域，回归模型被用于分析股票价格、市场波动率、风险溢价等多种金融现象，为...
博客
【专题】中国银行业2023年发展回顾及2024年展望报告合集PDF分享（附原数据表）...
05-10 11
原文链接 :https://tecdat.cn/?p=361452023年，尽管面临全球经济复杂多变与国内经济多重挑战，中国银行业依然稳健前行，不仅圆满完成了社会经济发展的主要任务，还以“稳进相济，进而有为”的姿态，为实体经济的高质量发展提供了有力支撑，展望着更为稳固与繁荣的新一年（查看文末了解专题报告合集PDF版本免费获取方式）。阅读原文，获取专题报告合集全文，解锁文末272份银行相关行业研究报...
博客
【专题】2024年4月数字化行业报告合集汇总PDF分享（附原数据表）
05-09 13
原文链接：https://tecdat.cn/?p=36134在当今快速变化的商业环境中，了解行业趋势、掌握先进技术并精准把握消费者需求变得尤为重要。随着5G技术的广泛应用、人工智能的迅猛发展以及数字营销的兴起，消费品行业、企业运营和市场营销策略都面临着前所未有的挑战与机遇（查看文末了解专题报告合集PDF版本免费获取方式）。相关视频本报告合集汇总将深入探讨消费品行业的5G新时代趋势、AI技术在企业...
博客
【专题】2024年4月中国企业跨境、出海、国际化、全球化行业报告汇总PDF合集分享（附原数据表）...
05-08 24
原文链接：https://tecdat.cn/?p=36130在全球化浪潮的推动下，中国企业的国际化进程不断加速，跨境业务、海外拓展已成为企业发展的重要战略方向（查看文末了解专题报告合集PDF版本免费获取方式）。随着技术的飞速发展、贸易壁垒的逐渐降低以及消费者需求的日益多样化，中国企业正面临着前所未有的机遇与挑战。阅读原文，获取专题报告合集全文，解锁文末239份跨境、出海相关行业研究报告。当前，全...
博客
【专题】2024年4月新能源汽车、智能汽车行业报告汇总PDF合集分享（附原数据表）...
05-07 57
原文链接：https://tecdat.cn/?p=36126随着科技的不断进步和全球化的深入发展，汽车行业正经历着前所未有的变革。从传统的燃油车到新能源汽车的崛起，从简单的交通工具到智能互联的移动空间，汽车已经不仅仅是代步工具，更是科技创新和社会进步的缩影（查看文末了解专题报告合集PDF版本免费获取方式）。相关视频在这个变革的时代，了解汽车行业的市场动态、技术趋势以及产业链的发展变得尤为重要。阅...
博客
广义线性模型beta二项分布的淋巴结疾病风险预测可视化R语言2实例合集|附数据代码...
05-06 833
全文链接：https://tecdat.cn/?p=36112淋巴结疾病作为一类复杂的健康问题，其风险预测一直是临床和公共卫生领域的研究热点。随着统计学的进步和计算能力的提升，广义线性模型（GLM）成为了分析这类数据的有力工具。特别是当数据呈现比例特性时，beta二项分布作为广义线性模型的一个特例，为我们提供了一种灵活且强大的方法来建模和预测淋巴结疾病的风险（点击文末“阅读原文”获取完整代码数据）...
博客
【专题】2024新能源企业“出海”报告合集PDF分享（附原数据表）
05-06 13
原文链接：https://tecdat.cn/?p=36108随着中国新能源企业在全球舞台上的崛起，海外市场已成为它们寻求进一步扩张和增长的重要舞台。本次报告合集聚焦东南亚新能源市场，深入分析了该区域在新能源领域的发展潜力和商业机会（查看文末了解专题报告合集PDF版本免费获取方式）。通过详尽的数据和案例，报告合集揭示了东南亚市场在新能源产业中的独特地位和优势，为企业提供了前瞻性的市场洞察和战略建议...
博客
【视频】LSTM模型原理及其进行股票收盘价的时间序列预测讲解|附数据代码
04-30 749
全文链接：https://tecdat.cn/?p=36092分析师：Yuehuan Wei时间序列预测在金融领域中扮演着举足轻重的角色，特别是在股票市场中。对于广大投资者和交易员而言，能够准确预测股票价格的变动趋势，不仅意味着能够在交易中做出更为明智的决策，还能够在风险管理中占据有利地位（点击文末“阅读原文”获取完整代码数据）。本文将通过视频讲解，展示如何用LSTM模型进行股票收盘价的时间序列预...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值