|
任务
本次以信用贷款数据作为练习数据，目的是学会使用常用的机器学习模型，用它们预测贷款客户是否会逾期，给到的数据已经包含了标签，列名是status，有0和1两种值，0表示未逾期，1表示逾期，所以这是一个二分类的问题。
数据处理
在拿到数据之后，首先我们需要探索数据的构成和分布情况以及缺失情况。对于缺失值处理常用众数或者中位数、平均数填补。为了处理方便，一开始可以先将数据的数值型特征和非数值型特征分开，根据对数据的理解挑选特征，比如在本次任务中，用于识别客户身份的特征对于预测结果没有影响，所以可以将用户名、卡号等特征去除。如果有非序关系的多分类变量可以将其转换为哑变量，比如本次任务中的reg_preference_for_trad特征。reg特征有{‘一线城市’，‘二线城市’，‘三线城市’，‘境外’}等，可能有人会想用数字代替字符，但是这样的话在特征空间中会产生距离关系，而特征本身是没有序关系的，所以才将之转换为哑变量。
实现
# -*- coding: utf-8 -*-
"""
Created on Thu Nov 15 13:02:11 2018
@author: keepi
"""
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing impor
|