2020 全国大学生数学建模竞赛C题思路+代码 |
您所在的位置：网站首页 › 美赛2021c题思路 › 2020 全国大学生数学建模竞赛C题思路+代码 |
2020 全国大学生数学建模竞赛C题思路+代码
|
题目链接：天翼云盘 珍藏美好生活 家庭云|网盘|文件备份|资源分享 前言又是一年数据挖掘题型，第一次接触这种题型还是在去年的mathorcup上，这种题的难度就在于指标的建立和数据的处理上。后面会出一份关于数据挖掘题型，我的相关经验，常用的工具和代码。 下面的一，二问实际都在解决 贷不贷款？贷款金额多少？ 数据清洗这道题的附件数据没有出现缺省或者异常数据，因此对于数据的预处理，更多的是根据问题的需求来做的。 将是否违约，违约设置为1，不违约设置为0 信誉等级ABCD分别对应4,3,2,1 发票状态，有效发票为a，作废发票为b 我将销项和进项所有数据，以公司代码为区别，提取到了不同的sheet当中，对于该公司有效发票数，作废发票数，负数发票数，方便对数据观察。 # 遍历所有sheet数据 for xsn in sn.sheet_names[1:]: # 读取文件 datas = pd.read_excel(file_pos, sheet_name=xsn) datas['date']=pd.to_datetime(datas['date'],format='%Y/%m/%d') datas.set_index('date', drop=True) # 找到全部公司名称代号 code_list = list(set(list((datas['code'])))) for name in code_list: tmp_datas = datas[datas['code'] == name] tmp_datas.index = range(len(tmp_datas)) # 转换日期未object类型 tmp_datas['date'] = [x.strftime('%Y/%m/%d') for x in tmp_datas['date']] count1 = tmp_datas['tax_status'].value_counts() tmp_datas['a_count'] = list(count1)[0] if(len(count1) > 1): tmp_datas['b_count'] = list(count1)[1] tmp2 = tmp_datas[tmp_datas['cost'] < 0] tmp_datas['neg_value_tax'] = len(tmp2) if xsn == sn.sheet_names[1]: tmp_datas.to_excel(writer1,sheet_name=name,index=False) else: tmp_datas.to_excel(writer2,sheet_name=name,index=False)负数发票：在之前购买的物品，并开具了相关正向发票，后来退货所以开具了值为负数的发票，抵消前面正数发票的值。 提取到信息： 部分公司数据记录很少，或者时间跨度大，需要综合数据指标，抵消数据数量和跨度大的影响有些负数发票，在之前找不到对应的正数发票，可能是因为在数据记录日期之前购买的，在之后退款，因此在附件中找不到记录。 问题一 建立指标进项发票作废率，进项负数发票率，进项每月平均交易额，进项每月交易次数， 销项发票作废率，销项负数发票率，销项每月平均交易额，销项每月交易次数，销售收入增长率 提取出相关指标到附件 for xsn in sn.sheet_names[1:]: # 读取文件 datas = pd.read_excel(file_pos, sheet_name=xsn) code_list = list(set(list((datas['code'])))) for name in code_list: tmp_datas = datas[datas['code'] == name] tmp_datas.index = range(len(tmp_datas)) insert_datas.append(name) # 作废数 cacel_count = len(tmp_datas[tmp_datas['tax_status'] == 'b']) # 有效数 valid_count = len(tmp_datas[tmp_datas['tax_status'] == 'a']) # 发票作废率 count1 = (cacel_count / (cacel_count + valid_count))*100 # 负数发票数 neg_count = len(tmp_datas[tmp_datas['cost'] < 0]) # 负数发票率 count2 = (neg_count / valid_count) * 100 # 转换时间 tmp_datas['date'] = [x.strftime('%Y/%m/%d') for x in tmp_datas['date']] # 时间最大值 max_time = tmp_datas.iloc[0:,1].max() # 时间最小值 min_time = tmp_datas.iloc[0:,1].min() # 时间差 diff_time = months(max_time, min_time) + 1 # 有效票 valid_tax = tmp_datas[tmp_datas['tax_status'] == 'a'] # 平均月交易额 avg_money = valid_tax['totle_cost'].sum() / diff_time # 平均每月交易次数 trans_count = len(tmp_datas) / diff_time insert_datas += [count1, count2, avg_money, trans_count,] if flag: df1.loc[len(df1)] = insert_datas df1.to_excel(writer1,sheet_name='进项信息',index=False) else: merge_time = tmp_datas.groupby(tmp_datas['date']).sum() # 销售收入增长率 income_info= list((merge_time['cost'] - merge_time['cost'].shift(1)).fillna(1)) diff_time_day = days(max_time,min_time) income_tax = (sum(income_info) / diff_time_day)*100 insert_datas.append(income_tax) df2.loc[len(df2)] = insert_datas df2.to_excel(writer1,sheet_name='销项信息',index=False) insert_datas = [] flag = False并将是否违约插入到最后一列 # 提取是否违约的列表 m = [] for name in code_list: m.append(datas[datas['code']==name]['break_contract'].tolist()[0]) df1.loc[:,len(df1)] = m df1.to_excel(writer3,sheet_name='sheet1',index=False) 建立模型 Logistics违约率预测模型使用Logistics违约预测模型，代入所有的指标数据为自变量，是否违约为因变量，预测出违约率。 X=datas[['进项发票作废率','进项负数发票率','进项每月平均交易额','进项每月交易次数','销项发票作废率','销项负数发票率','销项每月平均交易额','销项每月交易次数','销售收入增长率']] y=datas['是否违约'] X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.2,random_state=2020) X_validation, X_test, y_validation, y_test = train_test_split(X_test,y_test, test_size=0.1,random_state=2020) model = LogisticRegression() model.fit(X_train,y_train) a=model.predict_proba(X_validation) result=[] for i in range(len(a)): if a[i][1]>0.5: result.append(1) else: result.append(0) from sklearn import metrics print('误差: %.4f' % (1-metrics.recall_score(y_validation,result,average='weighted')))最终得到一张我们的分析表格 通过预测是否违约，我们就能解决贷不贷款的问题。 贷款金额贷款金额的确认，根据该公司不违约率在所有公司中的权重，乘以总贷款金额确认： \[r_{i}=\frac{1-Z_{i}}{\sum_{j=1}^{123}\left(1-Z_{i}\right)} \times M \]因此，我们得到的贷款金额是违约率和贷款总金额组成的关系式，这在第二问中能起到重要作用。 贷款年利率绘制出年利率与客户流失率图，可以分析出两者应该是有关系的。利用SPSS拟合出不同信誉等级，年利率与客户流失率的关系式。 信誉等级R平方关系式A0.9977y = 37.97x^3-258.57x^2+640.944*x -1.121B0.9982y = 33.995x^3-225.051x^2+552.829*x-1.017C0.9982y = 32.157x^3-207.386x^2+504.717*x-0.973银行获利=贷款金额x贷款年利率x(1-利率对于信誉评级客户流失率) 在贷款金额确认，贷款年利率范围在0.4~1.5的情况下，利用上面拟合的关系式，我们能够暴力跑出最优年利率。 double turnover_rate(double x, char ch) { double y = 0, result = 0; switch (ch) { case 'A': y = 37.969520 * pow(x, 3) - 258.570452 * pow(x, 2) + 640.944427 * x - 1.121484; result = x * (1 - y / 100.0); break; case 'B': y = 33.994698 * pow(x, 3) - 225.050538 * pow(x, 2) + 552.829151 * x - 1.016503; result = x * (1 - y / 100.0); break; case 'C': y = 32.156864 * pow(x, 3) - 207.385880 * pow(x, 2) + 504.716993 * x - 0.973497; result = x * (1 - y / 100.0); break; default: cout |
【本文地址】