04 分類算法 - Logistic回歸 - 信貸審批案例

需求:

基于信貸數據進行用戶信貸分類,使用Logistic算法構建模型,并比較這兩大類算法的效果

數據來源:

http://archive.ics.uci.edu/ml/datasets/Credit+Approval

數據格式:

b,30.83,0,u,g,w,v,1.25,t,t,01,f,g,00202,0,+
a,58.67,4.46,u,g,q,h,3.04,t,t,06,f,g,00043,560,+
a,24.50,0.5,u,g,q,h,1.5,t,f,0,f,g,00280,824,+
b,27.83,1.54,u,g,w,v,3.75,t,t,05,t,g,00100,3,+
b,20.17,5.625,u,g,w,v,1.71,t,f,0,f,s,00120,0,+
b,32.08,4,u,g,m,v,2.5,t,f,0,t,g,00360,0,+
b,33.17,1.04,u,g,r,h,6.5,t,f,0,t,g,00164,31285,+
a,22.92,11.585,u,g,cc,v,0.04,t,f,0,f,g,00080,1349,+

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
import warnings
import sklearn
from sklearn.linear_model import LogisticRegressionCV
from sklearn.linear_model.coordinate_descent import ConvergenceWarning
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.neighbors import KNeighborsClassifier

## 設置字符集拇派,防止中文亂碼
mpl.rcParams['font.sans-serif']=[u'simHei']
mpl.rcParams['axes.unicode_minus']=False
## 攔截異常
warnings.filterwarnings(action = 'ignore', category=ConvergenceWarning)

加載數據并對數據進行預處理:

# 1. 加載數據
path = "datas/crx.data"
names = ['A1','A2','A3','A4','A5','A6','A7','A8',
         'A9','A10','A11','A12','A13','A14','A15','A16']
df = pd.read_csv(path, header=None, names=names)
print ("數據條數:", len(df))

# 2. 異常數據過濾
df = df.replace("?", np.nan).dropna(how='any')
print ("過濾后數據條數:", len(df))

df.head(5)

數據條數: 690
過濾后數據條數: 653


了解A6特征的內容:

df['A6'].value_counts()

c 133
q 75
w 63
i 55
aa 52
ff 50
k 48
cc 40
m 38
x 36
d 26
e 24
j 10
r 3
Name: A6, dtype: int64

對部分特征進行啞編碼操作:

def parse(v, l):
    return [1 if i == v else 0 for i in l]
def parseRecord(record):
    result = []
    ## 格式化數據碉哑,將離線數據轉換為連續(xù)數據
    a1 = record['A1']
    for i in parse(a1, ('a', 'b')):
        result.append(i)
    
    result.append(float(record['A2']))
    result.append(float(record['A3']))
    
    
    a4 = record['A4']
    for i in parse(a4, ('u', 'y', 'l', 't')):
        result.append(i)
    
    a5 = record['A5']
    for i in parse(a5, ('g', 'p', 'gg')):
        result.append(i)
    
    a6 = record['A6']
    for i in parse(a6, ('c', 'd', 'cc', 'i', 'j', 'k', 'm', 'r', 'q', 'w', 'x', 'e', 'aa', 'ff')):
        result.append(i)
    
    a7 = record['A7']
    for i in parse(a7, ('v', 'h', 'bb', 'j', 'n', 'z', 'dd', 'ff', 'o')):
        result.append(i)
    
    result.append(float(record['A8']))
    
    a9 = record['A9']
    for i in parse(a9, ('t', 'f')):
        result.append(i)
        
    a10 = record['A10']
    for i in parse(a10, ('t', 'f')):
        result.append(i)
    
    result.append(float(record['A11']))
    
    a12 = record['A12']
    for i in parse(a12, ('t', 'f')):
        result.append(i)
        
    a13 = record['A13']
    for i in parse(a13, ('g', 'p', 's')):
        result.append(i)
    
    result.append(float(record['A14']))
    result.append(float(record['A15']))
    
    a16 = record['A16']
    if a16 == '+':
        result.append(1)
    else:
        result.append(0)
        
    return result

數據特征處理(將數據轉換為數值類型的):

new_names =  ['A1_0', 'A1_1',
              'A2','A3',
              'A4_0','A4_1','A4_2','A4_3',
              'A5_0', 'A5_1', 'A5_2', 
              'A6_0', 'A6_1', 'A6_2', 'A6_3', 'A6_4', 'A6_5', 'A6_6', 
                'A6_7', 'A6_8', 'A6_9', 'A6_10', 'A6_11',
                     'A6_12', 'A6_13', 
              'A7_0', 'A7_1', 'A7_2', 'A7_3', 'A7_4', 'A7_5', 'A7_6', 
                 'A7_7', 'A7_8', 
              'A8',
              'A9_0', 'A9_1' ,
              'A10_0', 'A10_1',
              'A11',
              'A12_0', 'A12_1',
              'A13_0', 'A13_1', 'A13_2',
              'A14','A15','A16']
datas = df.apply(lambda x: pd.Series(parseRecord(x), 
    index = new_names), axis=1)
names = new_names

## 展示一下處理后的數據
datas.head(5)

數據分割:

X = datas[names[0:-1]]
Y = datas[names[-1]]

X_train,X_test,Y_train,Y_test = 
  train_test_split(X,Y,test_size=0.1,random_state=0)

X_train.describe().T

Logistic算法模型構建(重點):

lr = LogisticRegressionCV(Cs=np.logspace(-4,1,10), 
  fit_intercept=True, penalty='l2', solver='lbfgs', tol=0.01, 
    multi_class='ovr')
lr.fit(X_train, Y_train)

LogisticRegressionCV(Cs=array([1.00000e-04, 3.59381e-04, 1.29155e-03, 4.64159e-03, 1.66810e-02,
5.99484e-02, 2.15443e-01, 7.74264e-01, 2.78256e+00, 1.00000e+01]),
class_weight=None, cv=None, dual=False, fit_intercept=True,
intercept_scaling=1.0, max_iter=100, multi_class='ovr',
n_jobs=1, penalty='l2', random_state=None, refit=True,
scoring=None, solver='lbfgs', tol=0.01, verbose=0)

Logistic算法效果輸出(重點):

lr_r = lr.score(X_train, Y_train)
print ("Logistic算法準確率:", lr_r)
print ("Logistic算法稀疏化特征比率:%.2f%%" 
  % (np.mean(lr.coef_.ravel() == 0) * 100))
print ("Logistic算法參數:",lr.coef_)
print ("Logistic算法截距:",lr.intercept_)

Logistic算法準確率: 0.889267461669506
Logistic算法稀疏化特征比率:2.13%
Logistic算法參數: [[-0.02376298 0.02376298 0.10977985 -0.05129678 0.0706074 -0.09335579
0.16299053 0. 0.0706074 -0.09335579 0.16299053 0.01032474
0.02940631 0.24367798 -0.24817577 -0.26062573 -0.15506122 -0.02849042
-0.09242933 0.00886997 0.12227728 0.50973846 0.25210634 -0.05958224
-0.36722359 0.01038447 0.11584139 -0.07895233 0.24565932 0.18756209
-0.29710075 -0.08548594 -0.09832244 -0.05788513 0.26194759 0.85940096
-0.85940096 0.14167783 -0.14167783 0.53642415 -0.06228778 0.06228778
0.0237657 -0.07649129 -0.0080863 -0.39691472 0.80897268]]
Logistic算法截距: [-0.40412228]

Logistic算法預測(預測所屬類別):

lr_y_predict = lr.predict(X_test)

Logistic算法獲取概率值(就是Logistic算法計算出來的結果值):

y1 = lr.predict_proba(X_test)

array([[ 1.13982099e-01, 8.86017901e-01],
[ 6.25759412e-02, 9.37424059e-01],
[ 5.07692157e-02, 9.49230784e-01],
[ 9.19448211e-01, 8.05517889e-02],
[ 4.34968508e-01, 5.65031492e-01],
[ 9.45823923e-05, 9.99905418e-01],
[ 9.51970606e-01, 4.80293939e-02],
[ 2.07954778e-02, 9.79204522e-01],
....

結果圖像展示:

x_len = range(len(X_test))
plt.figure(figsize=(14,7), facecolor='w')
plt.ylim(-0.1,1.1)
plt.plot(x_len, Y_test, 'ro',markersize = 6, zorder=3, label=u'真實值')
plt.plot(x_len, lr_y_predict, 'go', markersize = 10, zorder=2, label='Logis算法預測值,準確率=%.3f' % lr.score(X_test, Y_test))
plt.legend(loc = 'center right')
plt.xlabel('數據編號', fontsize=18)
plt.ylabel('是否審批(0表示通過,1表示通過)', fontsize=18)
plt.show()
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末鸵赫,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌室抽,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,042評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件靡努,死亡現(xiàn)場離奇詭異坪圾,居然都是意外死亡,警方通過查閱死者的電腦和手機惑朦,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,996評論 2 384
  • 文/潘曉璐 我一進店門兽泄,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人漾月,你說我怎么就攤上這事病梢。” “怎么了梁肿?”我有些...
    開封第一講書人閱讀 156,674評論 0 345
  • 文/不壞的土叔 我叫張陵蜓陌,是天一觀的道長。 經常有香客問我栈雳,道長护奈,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,340評論 1 283
  • 正文 為了忘掉前任哥纫,我火速辦了婚禮霉旗,結果婚禮上,老公的妹妹穿的比我還像新娘蛀骇。我一直安慰自己厌秒,他們只是感情好,可當我...
    茶點故事閱讀 65,404評論 5 384
  • 文/花漫 我一把揭開白布擅憔。 她就那樣靜靜地躺著鸵闪,像睡著了一般。 火紅的嫁衣襯著肌膚如雪暑诸。 梳的紋絲不亂的頭發(fā)上蚌讼,一...
    開封第一講書人閱讀 49,749評論 1 289
  • 那天辟灰,我揣著相機與錄音,去河邊找鬼篡石。 笑死芥喇,一個胖子當著我的面吹牛,可吹牛的內容都是我干的凰萨。 我是一名探鬼主播继控,決...
    沈念sama閱讀 38,902評論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼胖眷!你這毒婦竟也來了武通?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,662評論 0 266
  • 序言:老撾萬榮一對情侶失蹤珊搀,失蹤者是張志新(化名)和其女友劉穎冶忱,沒想到半個月后,有當地人在樹林里發(fā)現(xiàn)了一具尸體食棕,經...
    沈念sama閱讀 44,110評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡朗和,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,451評論 2 325
  • 正文 我和宋清朗相戀三年错沽,在試婚紗的時候發(fā)現(xiàn)自己被綠了簿晓。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,577評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡千埃,死狀恐怖憔儿,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情放可,我是刑警寧澤谒臼,帶...
    沈念sama閱讀 34,258評論 4 328
  • 正文 年R本政府宣布,位于F島的核電站耀里,受9級特大地震影響蜈缤,放射性物質發(fā)生泄漏。R本人自食惡果不足惜冯挎,卻給世界環(huán)境...
    茶點故事閱讀 39,848評論 3 312
  • 文/蒙蒙 一底哥、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧房官,春花似錦趾徽、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,726評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蜡峰,卻和暖如春了袁,著一層夾襖步出監(jiān)牢的瞬間朗恳,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,952評論 1 264
  • 我被黑心中介騙來泰國打工载绿, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留僻肖,地道東北人。 一個月前我還...
    沈念sama閱讀 46,271評論 2 360
  • 正文 我出身青樓卢鹦,卻偏偏與公主長得像臀脏,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子冀自,可洞房花燭夜當晚...
    茶點故事閱讀 43,452評論 2 348