机器学习：基于逻辑回归对某银行客户违约预测分析
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！💪
| 专栏案例：机器学习 |
|---|
| 机器学习：基于主成分分析（PCA）对数据降维 |
| 机器学习：学习k-近邻（KNN）模型建立、使用和评价 |
| 机器学习：基于支持向量机（SVM）进行人脸识别预测 |
| 决策树算法分析天气、周末和促销活动对销量的影响 |
| 机器学习：线性回归分析女性身高与体重之间的关系 |
| 机器学习：基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测 |
| 机器学习：学习KMeans算法，了解模型创建、使用模型及模型评价 |
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。