0 目标
使用预测市民是否属于高收入群体数据集,制作市民个人收入评分机制(评分卡)。
评分越高说明该市民属于高收入群体的可能性越大。
1 数据概览
字段不多,连续型变量有5个,离散变量有8个,Y值是二分类,1代表属于高收入群体,0代表不是高收入群体。
# 连续型变量
col_values = ["年龄", "工作天数", "投资收入", "投资损失", "教育时间"]
# 离散型变量
col_labels = ["职业类型", "省份", "教育", "家庭角色", "婚姻状况", "民族", "工作情况", "性别"]
然后加载数据:
import pandas as pd
import numpy as np
import copy
from time import time
from sklearn.linear_model import LogisticRegression
import math
# 加载数据
df = pd.read_csv("Incoming_predict_train.csv")
col_item = dict()
2 检查缺失值
# 检查是否有缺失值
col_name_list = df.columns.values
nan_result = df.isnull().sum(axis=0)
result_dict = {
k: v for k, v in zip(col_name_list, list(nan_result))}
items = []
for k, v in result_dict.items():
item = dict()
item["col"] = k
item["count"] = v
items.append(item)
print(item)
缺失值情况: