使用五种常用机器学习算法估计贷款用户是否逾期并对比评分

一、背景及目标

根据提供的金融数据，分别使用逻辑回归、决策树、SVM、xgboost以及LightGBM这5种算法实现对贷款用户是否会逾期的预测估计，表格中，status是标签：0表示未逾期，1表示逾期。最后按不同的标准进行模型的评估。

二、任务分析

1. 导入数据后，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，进行模型训练，预测结果以及输出评分。

三、数据预处理以及代码

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）
   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

代码实现：

导入包

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import*
from sklearn.linear_model import LogisticRegression
from  sklearn.svm import LinearSVC
from sklearn.tree import DecisionTreeClassifier
from xgboost import XGBClassifier
from lightgbm  import LGBMClassifier

数据处理

"""2. 读取数据"""
dataset = pd.read_csv('F:\AI\mission_data\mission_data\data.csv&