一、首先要感谢原作者的无私分享
原文网页链接:
Python银行风控模型的建立_DG息的博客-CSDN博客_银行风控模型
首先感谢“Python银行风控模型的建立”()这位老师,他不仅提供了源代码,还提供了对应的大数据数据。使得观看他文章的人都能轻松的开始做实验,大家如果需要,可自行前往他的网页获取。
二、我的运行环境
-
vmware VMware® Workstation 15 Pro 上搭建了
-
类centos,version7.6 的linux 上搭建了
-
anaconda3,version4.7.10 (对应Python version3.7.3)上搭建了
-
TensorFlow,version2.10.0
三、我的运行结果和原文结果对比
原文的结果:
原博主:“通过模型的准确率可得模型效果优劣排行:决策树>神经网络>SVM”
我按照“Python银行风控模型的建立_DG息的博客-CSDN博客_银行风控模型”这位老师的所有代码复制在我的jupyter notebook里,可是我得到的结果:
模型运行时间:6.016488790512085
神经网络准确率:0.8171428442001343
模型运行时间:0.0039958953857421875
SVM支持向量机准确率:0.9928571428571429
模型运行时间:0.22768306732177734
决策树准确率:0.9514285714285714
按照我上面的结果:SVM>决策树>神经网络
四、屏蔽train_test_split函数的影响
为了屏蔽train_test_split函数的影响,我将原文中train_test_split统一成一个
train_test_split(x, y, test_size=0.2, random_state=100,shuffle=True)
但结果中准确率区别不大,