机器学习：基于逻辑回归对某银行客户违约预测分析

作者：AOAIYI

作者简介：Python领域新星作者、多项比赛获奖者：AOAIYI首页

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

文章目录

• 机器学习：基于逻辑回归对某银行客户违约预测分析
• 一、实验目的
• 二、实验原理
• 三、实验环境
• 四、实验内容
• 五、实验步骤
• • 1.逻辑回归
  • 2.业务理解
  • 3.读取数据
  • 4.数据理解
  • 5.数据准备
  • 6.逻辑回归模型训练
  • 7.模型评价
• 总结

一、实验目的

1.理解逻辑回归原理

2.掌握scikit-learn操作逻辑回归方法

二、实验原理

机器学习是博大精深的，除了我们上一次说的线性回归，还有一类重要的回归就是逻辑回归。逻辑回归其实用于二分分类问题，用于判断一个离散性的特征得到的标签类型的概率。举个例子，你是否喜欢一首歌是通过很多这个歌的特征（如节奏、强度等）来判断的，那么我们的数据集就是各种歌的特征，而返回的结果则是一个非1即0，不是喜欢就是不喜欢的结果：

而机器学习可以做到什么呢？它会通过模型形成一个决策面，在你喜欢和不喜欢的歌之间划出一条分界线，就像这样：

用线性回归的拟合线已经无法很好的表示结果了，这时候就是使用逻辑回归来分类的时候了，而对于Logistic Regression来说，其思想也是基于线性回归（Logistic Regression属于广义线性回归模型）。其公式如下：

其中，

被称作sigmoid函数，我们可以看到，Logistic Regression算法是将线性函数的结果映射到了sigmoid函数中。sigmoid的函数图形如下：

我们可以看到，sigmoid的函数输出是介于（0，1）之间的，中间值是0.5，于是之前的公式 hθ(x) 的含义就很好理解了，因为 hθ(x) 输出是介于（0，1）之间，也就表明了数据属于某一类别的概率，例如 ：

hθ(x)hθ(x)<0.5 则说明当前数据属于A类；

hθ(x)hθ(x)>0.5 则说明当前数据属于B类。

所以我们可以将sigmoid函数看成样本数据的概率密度函数

三、实验环境

Python 3.6.1以上

Jupyter

四、实验内容

根据逻辑回归，分析银行违约客户的各项特征，推测某一客户违约的情况

五、实验步骤

1.逻辑回归

逻辑回归用于二分分类问题，回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。

2.业务理解

某银行违约客户信息表如下：（这里只展示了部分数据）我们通过银行客户资料违约情况表来做逻辑回归分析，其中的年龄、教育、工龄、地址、收入、 负债率、信用卡负债、其他负债就是获取自变量x，即特征数据，判断是否违约就相当于获取因变量y，即预测分类。

3.读取数据

1.编写代码，读取数据

import numpy as np
import pandas as pd
data = pd.read_excel(r'D:\CSDN\数据分析\逻辑回归\loandata.xls')
data.head()

4.数据理解

1.查看数据结构

data.shape

说明:loandata.xls数据位700行9列

2.查看数据列名称

data.columns

说明:loandata.xls中列名称为：‘年龄’‘教育’‘工龄’‘地址’‘收入’‘负债率’‘信用卡负债’‘其他负债’’违约‘

5.数据准备

数据准备就是获得特征数据和预测分类

1.删除’违约‘这一列数据得到特征数据

X_Data = data.drop(['违约'],axis = 1)
X_Data.head()

2.获取’违约‘这列数据得到预测分类

y_data = np.ravel(data[['违约']])
y_data[0:5]

6.逻辑回归模型训练

1.创建新的特征矩阵

X2_data = data.drop(['年龄','教育','收入','其他负债','违约'],axis=1)  
X2_data.head() 

2.建立训练数据和测试数据

• train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取训练数据（train）和测试数据（test）

• 第1个参数：所要划分的样本特征

• 第2个参数：所要划分的样本标签

• random_state：它的用途是在随机划分训练集和测试集时候，划分的结果并不是那么随机，也即，确定下来random_state是某个值后，重复调用这个函数，划分结果是确定的

from sklearn.model_selection import  train_test_split  
X_train,X_test,y_train,y_test = train_test_split(X2_data,y_data,random_state=1)  
print(X_train.shape)  
print(X_test.shape) 

3.进行逻辑训练

#导入逻辑回归包  
from sklearn.linear_model import LogisticRegression  
# 创建模型：逻辑回归  
lr = LogisticRegression()  
#训练模型  
lr.fit(X_train,y_train)

4.查看训练模型参数

lr.coef_

5.查看截距

#训练模型截距  
lr.intercept_ 

6.预测数据

使用模型的predict方法对划分的X测试数据可以进行预测得值“违约”情况

lr.predict(X_test) 

7.模型评价

1.我们使用“准确率"来评估模型：

#模型评价的平均正确率  
lr.score(X_test,y_test) 

得到的结果准确率为0.834

总结

逻辑回归用于二分分类问题，回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。