用户贷款风险预测-datacastle竞赛题目

最新推荐文章于 2022-07-05 19:33:09 发布

link-ai

最新推荐文章于 2022-07-05 19:33:09 发布

阅读量7.4k

点赞数 1

分类专栏：机器学习文章标签：预测机器学习数据挖掘

本文链接：https://blog.csdn.net/u013894072/article/details/54314354

版权

本文是作者参与datacastle竞赛的初步尝试，使用Logistic Regression进行用户贷款风险预测，目前成绩在100名左右。计划通过特征工程、集成模型如RF和GBDT，以及深入研究特征来提升预测效果。

摘要由CSDN通过智能技术生成

##菜鸟一枚，datacastle比赛题目，用的是Logistic，做出的结果不好，目前只排在100名左右。先放在博客上面，项目比较紧张，就怕以后没时间做了。。。。
后续思路：
（1）特征工程（特征筛选，融合等）
（2）堆模型，考虑RF，GBDT等，也可以使用堆叠神经网络
（3）还是要对特征做一些研究

# -*- coding: utf-8 -*-
"""
Created on Tue Jan 10 09:54:12 2017
###Datacastle的‘用户贷款风险预测’竞赛题目###
#初步想法是利用逻辑斯蒂回归，特征的选择对结果影响很大，有时间的话多看看特征选择方面的东西
"""
import pandas as pd
from sklearn import preprocessing
from sklearn.cross_validation import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report

class DataCastle(object):
    def __init__(self):
        self.name = "<<- User loan forecast match ->>"
        self.result = "result.csv"
        
    #读取用户信息表 并返回
    def readUserInfo(self):
        user_info_train = readData("train/user_info_train.txt")
        user_info_test = readData("test/user_info_test.txt")
        col_names = ['userid', 'sex', 'occupation', 'education', 'marriage', 'household']
        user_info_train.columns = col_names
        user_info_test.columns = col_names
        user_info = pd.concat([user_info_train, user_info_test])
        user_info.index = user_info['userid']
        user_info.drop('userid',axis=1,inplace=True)
        return user_info
    
    #读取用户银行账单表 对账单数据求和并返回
    def readBankDetail(self):
        bank_detail_train = readData("train/bank_detail_train.txt")
        bank_detail_test = readData("test/bank_detail_test.txt")
        col_names = ['userid', 'time_bank',<