Kaggle:Give me some credit（2）

3.特征工程

3.1特征提取

根据Num30-59，Num60-89，Num90创建一个型变量，将其加总后的值大于1的设定为因子"1"和"0"表示逾期和未预期。

traindata$All<-traindata$Num30.59+traindata$Num90+traindata$Num60.89
traindata$All<-ifelse(traindata$All>1,1,0)

3.2 切分数据

利用caret包中的createDataPartition（数据分割功能）函数将数据随机分成相同的两份。训练集和测集的结果是平衡的，大致都为6.6%左右，因此可以采用这份切割的数据进行建模及预测。

set.seed(123) 
splitIndex<-createDataPartition(traindata$y,time=1,p=0.5,list=FALSE)    #切分数据集
train<-traindata[splitIndex,-ncol(traindata)] 
test<-traindata[-splitIndex,-ncol(traindata)] 
prop.table(table(train$y)) 
prop.table(table(test$y))

prop.table(table(train$y))

     0          1 

0.93764043 0.06235957

prop.table(table(test$y))