机器学习分类问题--信贷审批

之前在某乎上看见有人说银行信贷审批的职业是越老越值钱，本文基于客户过往信贷数据角度进行机器学习训练，来探讨该职位未来是否还可能存在，欢迎吐槽我没有考虑信审人员懂产品、懂客户、懂市场，懂流程、懂风险，只是从机器学习角度来考虑，基于信贷数据进行用户信贷分类，使用Logistic算法和KNN算法模构建型。

 

一、相关理论

 

1.1 机器学习知识点：

• KNN：K近领算法，训练集中每一个样本都可以用其周围样本来代表。

• KNN三大要素：K值的选择、邻近距离度量、分类规则决策

• KNN代码公式：KNeighborsClassifier(n_neighbors=5,weights=’uniform’,algorithm=’kd_tree’,leaf_size=30,p=2,metric=’minkowski’)分别表示（邻近数目=默认5，样本权重=等权重，计算方式=kd树，叶子数量=默认30，样本距离=闵可夫斯基）

• Logistic:二分类算法

• LR代码：LogisticRegression（）

 

1.2 环境配置

• python3.6

• 安装包：pandas、numpy、matplotlib、sklearn。

 

二、相关代码

 

2.1数据来源

 

Credit Approval Data Set（伟大的UCI机器学习数据库，顺带了解下常用的数据来源网站？)

 

2.2信息描述

从信息描述来看属性有分类、整数、实数ÿ