信用卡违约率分析

机器学习的主要流程如下：

• 1.将数据进行数据预处理
• 2.进行特征提取、特征归一化等
• 3.通过机器学习算法进行模型训练
• 4.将新数据传入模型进行预测
• 5.对预测结果进行评估

那比如今天我们来进行信用卡的违约率进行分析，当拿到数据的第一步，我们应该进行数据探索，并且对数据完整性和质量做评估。

import pandas as pd

# 数据加载
data = data = pd.read_csv('./UCI_Credit_Card.csv')

# 数据探索
print(data.info())
print(data.head())
print(data.describe()) 

得出信息如下：

• 1.数据形状
  • 样本数据：30000行
  • 特征数据：25列
• 2.数据含义
  
• 得出信息：
  • 目标：default.payment.next.month
  • 特征：除 default.payment.next.month 之外的数据
• 有无缺失值情况：无

从以上的情况来看，这批数据的完整