【数据挖掘】datafountain-信用卡建模逻辑回归

trireal仇

已于 2022-03-01 16:28:01 修改

阅读量846

点赞数

分类专栏： Python 文章标签：机器学习数据分析数据挖掘

于 2020-10-14 23:43:41 首次发布

本文链接：https://blog.csdn.net/weixin_44896119/article/details/109088249

版权

本文探讨了使用逻辑回归进行数据挖掘，以解决信用卡风险评估问题。通过datafountain平台的数据集，构建逻辑回归模型，分析影响信用评分的因素，并进行模型验证和优化，以提升预测准确性。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')


data=pd.read_csv('/Users/chouyangyu/Downloads/cs-training.csv')
data.head(10)

data=data.iloc[:,1:]
data.columns= ['Label', 'RevolvingRatio', 'Age', '30-59D', 'DebtRatio', 'MonthlyIncome',
                'OpenL', '90D', 'RealEstate', '60-89D', 'Dependents']
data.head(10)

missdf=data.isnull().sum().sort_values(ascending=False).reset_index()
missdf.columns=['feature','miss_num']
missdf['miss_percentage']=missdf['miss_num']/data.shape[0]