逻辑回归实现客户逾期分析

一、【 目标】

构建逻辑回归模型进行预测用户是否逾期

二、【 任务分析】

1. 首先，由于数据中存在缺失值，因此需要对缺失值数据进行预处理。
2. 其次，对明显与模型无关的特征进行删除
3. 最后，采用逻辑回归模型进行模型训练。

三、【 原始数据】

数据：金融数据
任务：我们要做的是预测贷款用户是否会逾期，
标签说明：表格中，status是标签：0表示未逾期，1表示逾期。

四、【 数据预处理】

一共4754行，89列（除去首行、首列）

1. 直接删除，对模型影响不大的数据及特征，比如固定的个人信息
   列：custid、trade_no、bank_card_no、id_name
   行：删除很多项特征缺失的用户信息
   缺失特征数据的用户数据：apply_score等到最后一个特征全为缺失项的用户数据
2. 特征转换：特征student_feature列的NA转为0，2转为0（2只有2个）
3. 几个需考虑的因素
   城市：境外0，一线1，二线2，三线3，四线4，NA及其他（共4组数据，删除）
4. 现阶段不进行处理而直接删除的列：比如 first_transaction_time，latest_query_time，loans_latest_time