银行客户信用风险评估项目

要求：

补全并调试每部分代码，在代码后面附输出结果截图。

说明：

4.5-4.10特征分布，做法相同（第一次）

4.11-4.14连续型数据特征分布，做法相同（第一次）

4.15-4.36 离散型数据和连续型数据的缺失值处理（第二次）

4.37-4.38 数字编码和One-Hot编码（第二次）

5.1-5.7 新增评估指标计算（第三次）

6.1-6.12 风控模型：逻辑回归和随机森林（第三次：逻辑回归；第四次：随机森林）

7.1-7.10 风险评估模型效果评估方法（第四次）

数据集描述：

3.2 从data.csv文件中读取客户数据.

3.3 对数据进行格式转换

import pandas as pd

data= pd.read_csv('data.csv',encoding='gbk')

data = pd.DataFrame(data)

data.head()

输出结果截图：

4.1 数据探索分析

4.2 查看数据前五行

import pandas as pd

# 使用head()函数查看数据前五行

data_5 = _data.head(5)__

print(data_5)

输出结果截图：

4.3 查看数据集的基本情况

data.info()

4.4 查看数据的基本统计信息

import pandas as pd

# 使用describe()函数查看数据整体的基本统计信息

data_des = _ data.describe()___

print(data_des)

输出结果截图：

4.5 是否违约（Default）特征分析

import pandas as pd

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8,6))

# 绘制柱状图，查看违约关系的取值分布情况

data['Default'].value_counts(dropna=False).plot(kind='bar',rot=40)

# 在柱形上方显示计数

counts = data['Default'].value_counts(dropna=False).values

for index, item in zip([0,1,2], counts):

plt.text(index, item, item, ha="center", va= "bottom", fontsize=12)

# 设置柱形名称

plt.xticks([0,1,2],['未违约','违约','NaN'])

# 设置x、y轴标签

plt.xlabel('是否违约')

plt.ylabel('客户数量')

# 设置标题以及字体大小

plt.title('违约与未违约数量分布图',size=13)

# 设置中文显示

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.6 城市级别（CityId）特征分布

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

data= pd.read_csv('data.csv',encoding='gbk')

data = pd.DataFrame(data)

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 对CityId列的类别设定顺序

data['CityId'] = data['CityId'].astype('category')

data['CityId'] = data['CityId'].cat.set_categories(['一线城市','二线城市','其它'],ordered=True)

# 绘制柱状图，查看不同城市级别在不同是否违约的取值分布情况

sns.countplot(x='CityId',hue='Default',data=data,ax=ax1)

# 将具体的计数值显示在柱形上方

counts=data['Default'].groupby(data['CityId']).value_counts().values

count1 = counts[[0, 2, 4]]

count2 = counts[[1, 3, 5]]

for index, item1, item2 in zip([0,1,2], count1, count2):

ax1.text(index-0.2, item1 + 0.05, '%.0f' % item1, ha="center", va= "bottom",fontsize=12)

ax1.text(index+0.2, item2 + 0.05, '%.0f' % item2, ha="center", va= "bottom",fontsize=12)

# 绘制柱状图查看违约率分布

cityid_rate = data.groupby('CityId')['Default'].sum() / data.groupby('CityId')['Default'].count()

sns.barplot(x=[0,1,2],y=cityid_rate.values,ax=ax2)

# 将具体的计数值显示在柱形上方

for index, item in zip([0,1,2], cityid_rate):

ax2.text(index, item, '%.3f' % item, ha="center", va= "bottom",fontsize=12)

#设置柱形名称

ax1.set_xticklabels(['一线城市','二线城市','其它'])

ax2.set_xticklabels(['一线城市','二线城市','其它'])

# 设置图例名称

ax1.legend(labels=['未违约','违约'])

# 设置标题以及字体大小

ax1.set_title('不同城市级别下不同违约情况数量分布柱状图',size=13)

ax1.set_title('不同城市级别违约率分布柱状图',size=13)

# 设置x,y轴标签

ax1.set_xlabel('CityId')

ax1.set_ylabel('客户人数')

ax2.set_xlabel('CityId')

ax2.set_ylabel('违约率')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.7 文化程度（education）特征分布

import seaborn as sns

import matplotlib.pyplot as plt

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 对education列的类别设定顺序

data['education'] = data['education'].astype('category')

data['education'] = data['education'].cat.set_categories(['小学', '初中', '高中', '本科以上'],ordered=True)

# 绘制柱状图，查看不同文化程度(education)在不同是否违约(Default)的取值分布情况

sns.countplot(x='education',hue='Default',data=data,ax=ax1)

# 将具体的计数值显示在柱形上方

counts=data['Default'].groupby(data['education']).value_counts().values

count1 = counts[[0, 2, 4,6]]

count2 = counts[[1, 3, 5,7]]

for index, item1, item2 in zip([0,1,2,3], count1, count2):

ax1.text(index-0.2, item1 + 0.05, '%.0f' % item1, ha="center", va= "bottom",fontsize=12)

ax1.text(index+0.2, item2 + 0.05, '%.0f' % item2, ha="center", va= "bottom",fontsize=12)

# 绘制柱状图查看违约率分布

education_rate = data.groupby('education')['Default'].sum() / data.groupby('education')['Default'].count()

sns.barplot(x=[0,1,2,3],y=education_rate.values,ax=ax2)

# 将具体的计数值显示在柱形上方

for index, item in zip([0,1,2,3], education_rate):

ax2.text(index, item, '%.2f' % item, ha="center", va= "bottom",fontsize=12)

#设置柱形名称

ax1.set_xticklabels(['本科以上','高中','初中','小学'])

ax2.set_xticklabels(['本科以上','高中','初中','小学'])

# 设置图例名称

ax1.legend(labels=['未违约','违约'])

# 设置标题以及字体大小

ax1.set_title('不同文化程度下不同违约情况数量分布柱状图',size=13)

ax1.set_title('不同城市级别违约率分布柱状图',size=13)

# 设置x,y轴标签

ax1.set_xlabel('education')

ax1.set_ylabel('客户人数')

ax2.set_xlabel('education')

ax2.set_ylabel('违约率')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.8 三要素（threeVerify）特征分布

import seaborn as sns

import matplotlib.pyplot as plt

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 对threeVerify列的类别设定顺序

data['threeVerify'] = data['threeVerify'].astype('category')

data['threeVerify'] = data['threeVerify'].cat.set_categories(['一致','不一致'],ordered=True)

# 绘制柱状图，查看不同三要素验证情况(threeVerify)在不同是否违约(Default)的取值分布情况

sns.countplot(x='threeVerify',hue='Default',data=data,ax=ax1)

# 将具体的计数值显示在柱形上方

counts=data['Default'].groupby(data['threeVerify']).value_counts().values

count1 = counts[[0, 2]]

count2 = counts[[1, 3]]

for index, item1, item2 in zip([0,1,2,3], count1, count2):

ax1.text(index-0.2, item1 + 0.05, '%.0f' % item1, ha="center", va= "bottom",fontsize=12)

ax1.text(index+0.2, item2 + 0.05, '%.0f' % item2, ha="center", va= "bottom",fontsize=12)

# 绘制柱状图查看违约率分布

threeVerify_rate = data.groupby('threeVerify')['Default'].sum() / data.groupby('threeVerify')['Default'].count()

sns.barplot(x=[0,1],y=threeVerify_rate.values,ax=ax2)

# 将具体的计数值显示在柱形上方

for index, item in zip([0,1], threeVerify_rate):

ax2.text(index, item, '%.2f' % item, ha="center", va= "bottom",fontsize=12)

#设置柱形名称

ax1.set_xticklabels(['一致','不一致'])

ax2.set_xticklabels(['一致','不一致'])

# 设置图例名称

ax1.legend(labels=['未违约','违约'])

# 设置标题以及字体大小

ax1.set_title('不同三要素下不同是否违约情况数量分布柱状图',size=13)

ax1.set_title('不同城市级别违约率分布柱状图',size=13)

# 设置x,y轴标签

ax1.set_xlabel('threeVerify')

ax1.set_ylabel('客户人数')

ax2.set_xlabel('threeVerify')

ax2.set_ylabel('违约率')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.9 婚姻状况（maritalStatus）特征分布

import seaborn as sns

import matplotlib.pyplot as plt

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 对maritalStatus列的类别设定顺序

data['maritalStatus'] = data['maritalStatus'].astype('category')

data['maritalStatus'] = data['maritalStatus'].cat.set_categories(['未婚','已婚'],ordered=True)

# 绘制柱状图，查看不同婚姻状况在不同违约情况的取值分布

sns.countplot(x='maritalStatus',hue='Default',data=data,ax=ax1)

# 将具体的计数值显示在柱形上方

counts=data['Default'].groupby(data['maritalStatus']).value_counts().values

count1 = counts[[0, 2]]

count2 = counts[[1, 3]]

for index, item1, item2 in zip([0,1,2,3], count1, count2):

ax1.text(index-0.2, item1 + 0.05, '%.0f' % item1, ha="center", va= "bottom",fontsize=12)

ax1.text(index+0.2, item2 + 0.05, '%.0f' % item2, ha="center", va= "bottom",fontsize=12)

# 绘制柱状图查看违约率分布

maritalStatus_rate = data.groupby('maritalStatus')['Default'].sum() / data.groupby('maritalStatus')['Default'].count()

sns.barplot(x=[0,1],y=maritalStatus_rate.values,ax=ax2)

# 将具体的计数值显示在柱形上方

for index, item in zip([0,1], maritalStatus_rate):

ax2.text(index, item, '%.2f' % item, ha="center", va= "bottom",fontsize=12)

#设置柱形名称

ax1.set_xticklabels(['未婚','已婚'])

ax2.set_xticklabels(['未婚','已婚'])

# 设置图例名称

ax1.legend(labels=['未违约','违约'])

# 设置标题以及字体大小

ax1.set_title('不同婚姻状况在不同违约情况数量分布柱状图',size=13)

ax1.set_title('不同婚姻状况违约率分布柱状图',size=13)

# 设置x,y轴标签

ax1.set_xlabel('maritalStatus')

ax1.set_ylabel('客户人数')

ax2.set_xlabel('maritalStatus')

ax2.set_ylabel('违约率')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.10 在网时长（netLength）特征分布

import seaborn as sns

import matplotlib.pyplot as plt

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 对netLength列的类别设定顺序

data['netLength'] = data['netLength'].astype('category')

data['netLength'] = data['netLength'].cat.set_categories(['0-6个月','6-12个月','12-24个月','24个月以上','无效'],ordered=True)

# 绘制柱状图，查看不同在网时长在不同违约情况的取值分布

sns.countplot(x='netLength',hue='Default',data=data,ax=ax1)

# 将具体的计数值显示在柱形上方

counts=data['Default'].groupby(data['netLength']).value_counts().values

count1 = counts[[0,2,4,6,8]]

count2 = counts[[1,3,5,7,9]]

# 将具体的计数值显示在柱形上方

for index, item1, item2 in zip([0,1,2,3,4], count1, count2):

ax1.text(index-0.2, item1 + 0.05, '%.0f' % item1, ha="center", va= "bottom",fontsize=12)

ax1.text(index+0.2, item2 + 0.05, '%.0f' % item2, ha="center", va= "bottom",fontsize=12)

# 绘制柱状图查看违约率分布

netLength_rate = data.groupby('netLength')['Default'].sum() / data.groupby('netLength')['Default'].count()

sns.barplot(x=[0,1,2,3,4],y=netLength_rate.values,ax=ax2)

# 将具体的计数值显示在柱形上方

for index, item in zip([0,1,2,3,4], netLength_rate):

ax2.text(index, item, '%.2f' % item, ha="center", va= "bottom",fontsize=12)

#设置柱形名称

ax1.set_xticklabels(['0-6个月','6-12个月','12-24个月','24个月以上','无效'])

ax2.set_xticklabels(['0-6个月','6-12个月','12-24个月','24个月以上','无效'])

# 设置图例名称

ax1.legend(labels=['未违约','违约'])

# 设置标题以及字体大小

ax1.set_title('不同在网时长在不同违约情况数量分布柱状图',size=13)

ax1.set_title('不同在网时长违约率分布柱状图',size=13)

# 设置x,y轴标签

ax1.set_xlabel('netLength')

ax1.set_ylabel('客户人数')

ax2.set_xlabel('netLength')

ax2.set_ylabel('违约率')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

plt.show()

4.11 总消费金额（transTotalAmt）的分布

import seaborn as sns

import matplotlib.pyplot as plt

# 建立画布ax1和ax2,及设置图像大小，设置subplots()函数中参数为(1,2)表示两画图呈一行两列

fig, [ax1,ax2] = plt.subplots(1, 2, figsize=(16, 5))

# 在画布ax1中画出总消费金额的核密度图

sns.kdeplot(data['transTotalAmt'],shade=False,ax=ax1)

# 在画布ax2中画出总消费笔数和总消费金额的回归关系图

sns.regplot(x='transTotalAmt',y='transTotalAmt',data=data,ax=ax2)

4.12 年龄和开卡时长分布

import seaborn as sns

import matplotlib.pyplot as plt

# 建立画布ax1和ax2,及设置图像大小，设置subplots()函数中参数为(1,2)表示一行两列

fig,[ax1,ax2] = plt.subplots(1,2,figsize=(16,6))

# 在画布ax1中绘制年龄的直方图，颜色为红色

sns.distplot(data['age'],ax=ax1,color='red')

# 在画布ax2中绘制开卡时长的直方图，颜色为默认值

sns.distplot(data['card_age'],ax=ax2)

# 在画布ax1、ax2中设置标题

ax1.set_title('年龄的直方图',size=13)

ax2.set_title('开卡时长的直方图',size=13)

# 显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

4.13 总取现金额（cashTotalAmt）的分布

import seaborn as sns

import matplotlib.pyplot as plt

# 建立画布ax1和ax2,及设置图像大小，设置subplots()函数中参数为(1,2)表示两画图呈一行两列

fig, [ax1,ax2] = plt.subplots(1, 2, figsize=(16, 5))

# 在画布ax1中画出总取现金额的核密度图

sns.kdeplot(data['cashTotalAmt'],shade=False,ax=ax1)

# 在画布ax2中画出总取现笔数和总取现金额的回归关系图

sns.regplot(x='cashTotalCnt',y='cashTotalAmt',data=data,ax=ax2)

4.14 网上消费金额（onlineTransAmt）的分布

import seaborn as sns

import matplotlib.pyplot as plt

# 建立画布ax1和ax2,及设置图像大小，设置subplots()函数中参数为(1,2)表示两画图呈一行两列

fig, [ax1,ax2] = plt.subplots(1, 2, figsize=(16, 5))

# 在画布ax1中画出网上消费金额的核密度估计曲线

sns.kdeplot(data['onlineTransAmt'],shade=False,ax=ax1)

# 在画布ax2中画出网上消费笔数和网上消费金额的回归关系图

sns.regplot(x='onlineTransCnt',y='onlineTransAmt',data=data,ax=ax2)

4.15 查看存在缺失值的特征

# 计算特征缺失值个数

na_counts =data.isnull().sum()

# 将na_counts取大于0的部分进行降序排序

missing_value = na_counts[na_counts > 0].sort_values(axis=0,ascending=False)

# 查看存在缺失值的特征

print(missing_value)

4.16 离散型特征的缺失值处理

#实训平台的数据经过处理在这个地方可以直接对数据进行缺失值的处理,但是在jupyter导入数据之后对数据有一个转换过程,所以直接对数据进行缺失值的处理是会报错,通过Series.cat.add_categories 可以对数据添加一个新的类,进而达到对数据缺失值的处理这个目的

import pandas as pd

# 缺失值处理

data.dropna(subset=['Default'],inplace=True)

#filling_columns=['sex','maritalStatus','threeVerify','idVerify','education']

#for column in filling_columns:

#data[column] = data[column].cat.add_categories('未知')

#data[column].fillna('未知',inplace=True)

#data['sex'] = data['sex'].cat.add_categories('未知')

data['sex'].fillna('未知', inplace =True)

#data['maritalStatus'] = data['maritalStatus'].cat.add_categories('未知')

data['maritalStatus'].fillna('未知', inplace =True)

#data['threeVerify'] = data['threeVerify'].cat.add_categories('未知')

data['threeVerify'].fillna('未知', inplace =True)

#data['idVerify'] = data['idVerify'].cat.add_categories('未知')

data['idVerify'].fillna('未知', inplace =True)

#data['education'] = data['education'].cat.add_categories('未知')

data['education'].fillna('未知', inplace =True)

# 查看存在缺失值的特征

na_counts = data.isnull().sum()

missing_value = na_counts[na_counts > 0].sort_values(ascending = False)

print(missing_value)

4.17 离散型特征的异常值处理

import pandas as pd

# 异常值处理，将isCrime值为“2”的地方改为“0”。

data['isCrime']=data['isCrime'].replace(2,0)

# 查看处理后的数据情况

print(data['isCrime'].value_counts())

4.18 查看连续性特征的取值

# 所有连续型特征列名已保存在continuous_columns中

# 查看数据各连续型特征的最小值

data_con_min = data[continuous_columns].min()

print(data_con_min)

4.19 网上消费金额（onlineTransAmt）异常值检测

# 从原始数据中筛选出网上消费金额小于0时，网上消费金额和网上消费笔数这两列

online_trans =data[data['onlineTransAmt']<0][['onlineTransAmt','onlineTransCnt']]

print(online_trans).

4.20 网上消费金额（onlineTransAmt）异常值处理

# 将网上消费笔数为0时的网上消费金额皆修改为0

data.loc[data['onlineTransCnt']==0,'onlineTransAmt']=0

# 查看修正后网上消费笔数为0时，网上消费金额与网上消费笔数

online_after = data[data["onlineTransCnt"] == 0 ][["onlineTransAmt","onlineTransCnt"]]

print(online_after)

4.21 网上消费金额（onlineTransAmt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图查看网上消费金额数据分布

sns.boxplot(x=data['onlineTransAmt'],orient='v')

plt.title('onlineTransAmt distribution')

4.22 网上消费金额（onlineTransAmt）异常值处理

# 筛选出网上消费金额在2千万以下的数据样本,更新data

data = data[data['onlineTransAmt']<2.0e+07]

print(data.head())

4.23 公共事业缴费金额（publicPayAmt）异常值检测

# 从原始数据中筛选出公共事业缴费金额小于0时，公共事业缴费笔数和公共事业缴费金额这两列

public_pay =data[data['publicPayAmt']<0][['publicPayCnt','publicPayAmt']]

print(public_pay)

4.24 公共事业缴费金额（publicPayAmt）异常值处理

# 将公共事业缴费笔数为0时的公共事业缴费金额皆修改为0（直接在原始数据上进行修改）

data.loc[data['publicPayCnt']==0,'publicPayAmt']=0

# 查看修正后的，公共事业缴费笔数为0时的公共事业缴费金额与公共事业缴费笔数

public_after = data[data["publicPayCnt"] == 0][["publicPayAmt","publicPayCnt"]]

print(public_after)

4.25 公共事业缴费金额（publicPayAmt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图查看公共事业缴费金额数据分布。

sns.boxplot(x=data['publicPayAmt'],orient='v')

plt.title('publicPayAmt distribution')

4.26 公共事业缴费金额（publicPayAmt）异常值处理

# 筛选出公共事业缴费金额小于-400万的样本数据

public_pay = data[data['publicPayAmt']<-4.0e+06]

print(public_pay[['publicPayCnt','publicPayAmt']])

4.27 总消费金额（transTotalAmt）异常值检测

# 从原始数据中筛选出总消费笔数等于0时，总消费笔数，总消费金额这两列

transTotal = transTotal =data[data['transTotalAmt']==0][['transTotalCnt','transTotalAmt']]

print(transTotal)

4.28 总消费金额（transTotalAmt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图，查看总消费金额数据分布。

sns.boxplot(x=data['transTotalAmt'],orient='v')

plt.title('transTotalAmt distribution')

4.29 总消费金额（transTotalAmt）异常值处理

# 筛选出总消费金额大于1000万的样本数据

transTotal = data[data['transTotalAmt']>10000000]

print(transTotal[['transTotalAmt','transTotalCnt','onlineTransAmt','onlineTransCnt','monthCardLargeAmt']])

4.30 总取现金额（cashTotalAmt）异常值检测

# 筛选出总取现笔数为0时，总取现笔数，总取现金额这两列

cashTotal =data[data['cashTotalAmt']==0][['cashTotalCnt','cashTotalAmt']]

print(cashTotal)

4.31 总取现金额（cashTotalAmt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图，查看总取现金额数据分布。

sns.boxplot(x=data['cashTotalAmt'],orient='v')

plt.title('cashTotalAmt distribution')

4.32 总取现金额（cashTotalAmt）异常值处理

# 筛选出总取现金额大于50万的样本数据。

cashTotal = data[data['cashTotalAmt']>500000]

print(cashTotal)

4.33 月最大消费金额（monthCardLargeAmt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图，查看月最大消费金额数据分布

sns.boxplot(x=data['monthCardLargeAmt'],orient='v')

plt.title('monthCardLargeAmt distribution')

4.34 月最大消费金额（monthCardLargeAmt）异常值处理

# 筛选出月最大消费金额大于200万的数据

monthCard = data[data['monthCardLargeAmt']>2000000]

print(monthCard)

4.35 总消费笔数（transTotalCnt）盒图绘制

import seaborn as sns

import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(8,6))

# 绘制盒图，查看总消费笔数数据分布

sns.boxplot(x=data['transTotalCnt'],orient='v')

plt.title('transTotalCnt distribution')

4.36 总消费笔数（transTotalCnt）异常值处理

# 从data中筛选总消费笔数小于6000的值，赋值给data

data = data[data['transTotalCnt']<6000]

print(data.head())

4.37 数字编码

import numpy as np

import pandas as pd

data["maritalStatus"] = data["maritalStatus"].map({"未知":0,"未婚":1,"已婚":2})

data['education']=data["education"].map({"未知":0,"小学":1,"初中":2,"高中":3,"本科以上":4})

data['idVerify']=data["idVerify"].map({"未知":0,"一致":1,"不一致":2})

data['threeVerify']=data["threeVerify"].map({"未知":0,"小学":1,"初中":2,"高中":3,"本科以上":4})

data["netLength"] = data["netLength"].map({"无效":0,"0-6个月":1,"6-12个月":2,"12-24个月":3,"24个月以上":4})

data["sex"] =data["sex"].map({"未知":0,"男":1,"女":2})

data["CityId"] =data["CityId"].map({"一线城市":1,"二线城市":2,"其他":3})

print(data.head())

4.38 One-Hot编码

import numpy as np

import pandas as pd

data = pd.get_dummies(data=data,columns=['maritalStatus','education','idVerify','threeVerify','Han','netLength','sex','CityId'],prefix_sep='_')

print(data.columns)

5.1 建立信用评估指标体系

5.2 年消费总额指标计算

# 计算客户年消费总额。

trans_total =data["transCnt_mean"]*data["transAmt_mean"]

# 将计算结果保留到小数点后六位。

trans_total =round(trans_total,6)

# 将结果加在data数据集中的最后一列，并将此列命名为trans_total。

data['trans_total'] =trans_total

print(data['trans_total'].head(20))

5.3 年取现总额指标计算

# 计算客户年取现总额。

total_withdraw =data["cashCnt_mean"]*data["cashCnt_mean"]

# 将计算结果保留到小数点后六位。

total_withdraw =round(total_withdraw,6)

# 将结果加在data数据集的最后一列，并将此列命名为total_withdraw。

data['total_withdraw'] =total_withdraw

print(data['total_withdraw'].head(20))

5.4 平均每笔取现金额指标计算

import numpy as np

# 计算客户的平均每笔取现金额。

avg_per_withdraw =data["cashTotalAmt"]/data["cashTotalCnt"]

# 将所有的inf和NaN变为0。

avg_per_withdraw=avg_per_withdraw.replace({np.nan:0,np.inf:0})

# 将计算结果保留到小数点后六位。

avg_per_withdraw =round(avg_per_withdraw,6)

# 将结果加在data数据集的最后一列，并将此列命名为avg_per_withdraw。

data['avg_per_withdraw'] =avg_per_withdraw

print(data['avg_per_withdraw'].head(20))

5.5 网上平均每笔消费额指标计算

import numpy as np

# 请计算客户的网上平均每笔消费额。

avg_per_online_spend =data["onlineTransAmt"]/data["onlineTransCnt"]

# 将所有的inf和NaN变为0。

avg_per_online_spend=avg_per_online_spend.replace({np.nan:0,np.inf:0})

# 将计算结果保留到小数点后六位。

avg_per_online_spend =round(avg_per_online_spend,6)

# 将结果加在data数据集的最后一列，并将此列命名为avg_per_online_spend。

data['avg_per_online_spend'] =avg_per_online_spend

print(data['avg_per_online_spend'].head(20))

5.6 公共事业平均每笔缴费额指标计算

import numpy as np

# 请计算客户的公共事业平均每笔缴费额。

avg_per_public_spend =data["publicPayAmt"]/data["publicPayCnt"]

# 将所有的inf和NaN变为0。

avg_per_public_spend=avg_per_public_spend.replace({np.nan:0,np.inf:0})

# 将计算结果保留到小数点后六位。

avg_per_public_spend =round(avg_per_public_spend,6)

# 将结果加在data数据集的最后一列，并将此列命名为avg_per_public_spend。

data['avg_per_public_spend'] =avg_per_public_spend

print(data['avg_per_public_spend'].head(20))

5.7 不良记录指标计算

#请计算客户的不良记录分数。

bad_record =data['inCourt']+data['isCrime']+data['isBlackList']

#将计算结果加在data数据集的最后一列，并将此列命名为bad_record。

data['bad_record'] =bad_record

print(data['bad_record'].head(20))

6.1 构建风控模型流程

6.2 分层采样简介

6.3 训练集和测试集划分

from sklearn.model_selection import train_test_split

# 筛选data中的Default列的值，赋予变量y

y = data['Default'].values

# 筛选除去Default列的其他列的值，赋予变量x

x = data.drop(['Default'], axis=1).values

# 使用train_test_split方法，将x,y划分训练集和测试集

x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.2,random_state=33,stratify=y)

# 查看划分后的x_train与x_test的长度

len_x_train = len(x_train)

len_x_test = len(x_test)

print('x_train length: %d, x_test length: %d'%(len_x_train,len_x_test))

# 查看分层采样后的训练集中违约客户人数的占比

train_ratio = y_train.sum()/len(y_train)

print(train_ratio)

# 查看分层采样后的测试集中违约客户人数的占比

test_ratio = y_test.sum()/len(y_test)

print(test_ratio)

6.4 使用逻辑回归建立风险评估模型

from sklearn.linear_model import LogisticRegression

# 调用模型，新建模型对象

lr =LogisticRegression()

# 带入训练集x_train, y_train进行训练

lr.fit(x_train, y_train)

# 对训练好的lr模型调用predict方法,带入测试集x_test进行预测

y_predict = lr.predict(x_test)

# 查看模型预测结果

print(y_predict[:10])

print(len(y_predict))

6.5 逻辑回归风控模型效果评估

from sklearn.metrics import roc_auc_score

y_predict_proba = lr.predict_proba(x_test)

# 查看概率估计前十行

print(y_predict_proba[:10])

# 取目标分数为正类(1)的概率估计

y_predict = y_predict_proba[:,1]

# 利用roc_auc_score查看模型效果

test_auc = roc_auc_score(y_test,y_predict)

print('逻辑回归模型 test_auc:',test_auc)

6.6 逻辑回归参数调优

from sklearn.metrics import roc_auc_score

from sklearn.linear_model import LogisticRegression

# 建立一个LogisticRegression对象，命名为lr

lr =LogisticRegression(penalty='l2',C=0.6,class_weight='balanced')

# 对lr对象调用fit方法，带入训练集x_train, y_train进行训练

lr.fit(x_train, y_train)

# 对训练好的lr模型调用predict_proba方法

y_predict =lr.predict_proba(x_test)[:,1]

# 调用roc_auc_score方法

test_auc = roc_auc_score(y_test,y_predict)

print('逻辑回归模型test auc:')

print(test_auc)

6.7 使用标准化提升逻辑回归模型效果

continuous_columns = ['age','cashTotalAmt','cashTotalCnt','monthCardLargeAmt','onlineTransAmt','onlineTransCnt','publicPayAmt','publicPayCnt','transTotalAmt','transTotalCnt','transCnt_non_null_months','transAmt_mean','transAmt_non_null_months','cashCnt_mean','cashCnt_non_null_months','cashAmt_mean','cashAmt_non_null_months','card_age', 'trans_total','total_withdraw', 'avg_per_withdraw','avg_per_online_spend', 'avg_per_public_spend', 'bad_record','transCnt_mean','noTransWeekPre']

# 对data中所有连续型的列进行Z-score标准化

data[continuous_columns]=data[continuous_columns].apply(lambda x:(x-x.mean())/x.std())

# 查看标准化后的数据的均值和标准差，以cashAmt_mean为例

print('cashAmt_mean标准化后的均值：',data['cashAmt_mean'].mean())

print('cashAmt_mean标准化后的标准差：',data['cashAmt_mean'].std())

# 查看标准化后对模型的效果提升

y = data['Default'].values

x = data.drop(['Default'], axis=1).values

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2,random_state = 33,stratify=y)

from sklearn.metrics import roc_auc_score

from sklearn.linear_model import LogisticRegression

lr = LogisticRegression(penalty='l2',C=0.6,class_weight='balanced')

lr.fit(x_train, y_train)

# 查看模型预测结果

y_predict = lr.predict_proba(x_test)[:,1]

auc_score =roc_auc_score(y_test,y_predict)

print('score:',auc_score)

6.8 使用离散化提升逻辑回归模型效果

# 对data中数值连续型的列进行等频离散化，将每一列都离散为5个组。

data[continuous_columns]=data[continuous_columns].apply(lambda x:pd.qcut(x,q=5,duplicates='drop'))

# 查看离散化后的数据

print(data.head())

# 查看离散化后对模型的效果提升

# 先对各离散组进行One-Hot处理

data=pd.get_dummies(data)

y = data['Default'].values

x = data.drop(['Default'], axis=1).values

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2,random_state = 33,stratify=y)

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import roc_auc_score

lr = LogisticRegression(penalty='l2',C=0.6,class_weight='balanced')

lr.fit(x_train, y_train)

# 查看模型预测结果

y_predict = lr.predict_proba(x_test)[:,1]

score_auc = roc_auc_score(y_test,y_predict)

print('score:',score_auc)

6.9 使用随机森林建立风险评估模型

from sklearn.ensemble import RandomForestClassifier

from sklearn.metrics import roc_auc_score

rf_clf = RandomForestClassifier()

rf_clf.fit(x_train,y_train)

y_predict = rf_clf.predict_proba(x_test)[:,1]

# 查看模型效果

test_auc = roc_auc_score(y_test,y_predict)

print ("AUC Score (Test): %f" % test_auc)

6.10 随机森林决策树数目参数调优

from sklearn.ensemble import RandomForestClassifier

from sklearn.metrics import roc_auc_score

# 尝试设置参数n_estimators

rf_clf1 = RandomForestClassifier(n_estimators=100,random_state=33)

rf_clf1.fit(x_train, y_train)

y_predict1 = rf_clf1.predict_proba(x_test)[:,1]

# 查看模型效果

test_auc = roc_auc_score(y_test,y_predict1)

print ("AUC Score (Test): %f" % test_auc)

6.11 随机森林参数调优

from sklearn.ensemble import RandomForestClassifier

from sklearn.metrics import roc_auc_score

import matplotlib.pyplot as plt

# 定义存储AUC分数的数组

scores_train=[]

scores_test=[]

# 定义存储n_estimators取值的数组

estimators=[]

# 设置n_estimators在100-210中每隔20取一个数值

for i in range(100,210,20):

estimators.append(i)

rf = RandomForestClassifier(n_estimators=i, random_state=12)

rf.fit(x_train,y_train)

y_predict = rf.predict_proba(x_test)[:,1]

scores_test.append(roc_auc_score(y_test,y_predict))

# 查看我们使用的n_estimators取值

print("estimators =", estimators)

# 查看以上模型中在测试集最好的评分

print("best_scores_test =",max(scores_test))

# 画出n_estimators与AUC的图形

fig,ax = plt.subplots()

# 设置x y坐标名称

ax.set_xlabel('estimators')

ax.set_ylabel('AUC分数')

plt.plot(estimators,scores_test, label='测试集')

#显示汉语标注

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['font.family']=['sans-serif']

# 设置图例

plt.legend(loc="lower right")

plt.show()

6.12 使用网格搜索进行随机森林参数调优

from sklearn.model_selection import GridSearchCV

from sklearn.ensemble import RandomForestClassifier

from sklearn.metrics import roc_auc_score

rf = RandomForestClassifier()

# 设置需要调试的参数

tuned_parameters ={'n_estimators':[180,190],'max_depth':[8,10]}

# 调用网格搜索函数

rf_clf =GridSearchCV(rf,tuned_parameters,scoring='roc_auc',n_jobs=2,cv=5)

rf_clf.fit(x_train, y_train)

y_predict =rf_clf.predict_proba(x_test)[:,1]

test_auc = roc_auc_score(y_test,y_predict)

print ('随机森林模型test AUC:')

print (test_auc)

7.1 风险评估模型效果评价方法

7.2 利用ROC_AUC评估逻辑回归模型准确性

#用metrics.roc_curve()求出 fpr, tpr, threshold

from sklearn.metrics import roc_curve, auc

fpr, tpr, threshold = roc_curve(y_test,y_predict)

#用metrics.auc求出roc_auc的值

roc_auc = auc(fpr,tpr)

#将图片大小设为8:6

fig,ax = plt.subplots(figsize=(8,6))

#将plt.plot里的内容填写完整

plt.plot(fpr, tpr, label = 'AUC = %0.2f' % roc_auc)

#将图例显示在右下方

plt.legend(loc = 'lower right')

#画出一条红色对角虚线

plt.plot([0, 1], [0, 1],'r--')

#设置横纵坐标轴范围

plt.xlim([-0.01, 1.01])

plt.ylim([-0.01, 1.01])

#设置横纵名称以及图形名称

plt.ylabel('True Positive Rate')

plt.xlabel('False Positive Rate')

plt.title('Receiver Operating Characteristic Curve')

plt.show()

7.3 利用ROC_AUC评估随机森林模型准确性

#用metrics.roc_curve()求出 fpr, tpr, threshold

from sklearn.metrics import roc_curve, auc

fpr, tpr, threshold =roc_curve(y_test,y_predict)

#用metrics.auc求出roc_auc的值

roc_auc =auc(fpr,tpr)

#将图片大小设为8:6

fig,ax = plt.subplots(figsize=(8,6))

#将plt.plot里的内容填写完整

plt.plot(fpr,tpr, label = 'AUC = %0.2f' % roc_auc)

#将图例显示在右下方

plt.legend(loc = 'lower right')

#画出一条红色对角虚线

plt.plot([0, 1], [0, 1],'r--')

#设置横纵坐标轴范围

plt.xlim([-0.01, 1.01])

plt.ylim([-0.01, 1.01])

#设置横纵名称以及图形名称

plt.ylabel('True Positive Rate')

plt.xlabel('False Positive Rate')

plt.title('Receiver Operating Characteristic Curve')

plt.show()

7.4 利用KS值评估逻辑回归模型准确性

#用metric.roc_curve()求出 fpr, tpr, threshold

from sklearn.metrics import roc_curve

fpr, tpr, threshold = roc_curve(y_test, y_predict)

#求出KS值和相应的阈值

ks = max(abs(tpr-fpr))

thre =threshold[abs(tpr-fpr).argmax()]

ks = round(ks*100, 2)

thre = round(thre, 2)

print('KS值：', ks, '%', '阈值：', thre)

#将图片大小设为8:6

fig = plt.figure(figsize=(8,6))

#将plt.plot里的内容填写完整

plt.plot(threshold[::-1],tpr[::-1] , lw=1, alpha=1,label='真正率TPR')

plt.plot(threshold[::-1],fpr[::-1], lw=1, alpha=1,label='假正率FPR')

#画出KS值的直线

ks_tpr = tpr[abs(tpr-fpr).argmax()]

ks_fpr = fpr[abs(tpr-fpr).argmax()]

x1 = [thre, thre]

x2 = [ks_fpr, ks_tpr]

plt.plot(x1, x2)

#设置横纵名称以及图例

plt.xlabel('阈值')

plt.ylabel('真正率TPR/假正率FPR')

plt.title('KS曲线', fontsize=15)

plt.legend(loc="upper right")

plt.grid(axis='x')

# 在图上标注ks值

plt.annotate('KS值', xy=(0.18, 0.45), xytext=(0.25, 0.43),

fontsize=20,arrowprops=dict(facecolor='green', shrink=0.01))

7.5 利用KS值评估随机森林模型准确性

#用metric.roc_curve()求出 fpr, tpr, threshold

from sklearn.metrics import roc_curve

fpr, tpr, threshold = roc_curve(y_test, y_predict)

#求出KS值和相应的阈值

ks = max(abs(tpr-fpr))

thre =threshold[abs(tpr-fpr).argmax()]

ks = round(ks*100, 2)

thre = round(thre, 2)

print('KS值：', ks, '%', '阈值：', thre)

#将图片大小设为8:6

fig = plt.figure(figsize=(8,6))

#将plt.plot里的内容填写完整

plt.plot(threshold[::-1],tpr[::-1] , lw=1, alpha=1,label='真正率TPR')

plt.plot(threshold[::-1],fpr[::-1], lw=1, alpha=1,label='假正率FPR')

#画出KS值的直线

ks_tpr = tpr[abs(tpr-fpr).argmax()]

ks_fpr = fpr[abs(tpr-fpr).argmax()]

x1 = [thre, thre]

x2 = [ks_fpr, ks_tpr]

plt.plot(x1, x2)

#设置横纵名称以及图例

plt.xlabel('阈值')

plt.ylabel('真正率TPR/假正率FPR')

plt.title('KS曲线', fontsize=15)

plt.legend(loc="upper right")

plt.grid(axis='x')

# 在图上标注ks值

plt.annotate('KS值', xy=(0.26, 0.45), xytext=(0.30, 0.43),

fontsize=20,arrowprops=dict(facecolor='green', shrink=0.01))

7.6 利用PSI评估逻辑回归模型稳定性

## 训练集预测概率

y_train_probs = lr.predict_proba(x_train)[:,1]

## 测试集预测概率

y_test_probs = lr.predict_proba(x_test)[:,1]

def psi(y_train_probs, y_test_probs):

## 设定每组的分点

bins = np.arange(0, 1.1, 0.1)

## 将训练集预测概率分组

y_train_probs_cut = pd.cut(y_train_probs, bins=bins, labels=False)

## 计算预期占比

expect_prop = (pd.Series(y_train_probs_cut).value_counts()/len(y_train_probs)).sort_index()

## 将测试集预测概率分组

y_test_probs_cut = pd.cut(y_test_probs, bins=bins, labels=False)

## 计算实际占比

actual_prop = (pd.Series(y_test_probs_cut).value_counts()/len(y_test_probs)).sort_index()

## 计算PSI

psi =((actual_prop-expect_prop)*np.log(actual_prop/expect_prop)).sum()

return psi, expect_prop, actual_prop

## 运行函数得到psi、预期占比和实际占比

psi, expect_prop, actual_prop = psi(_____, _____)

print('psi=',psi)

## 创建(12, 8)的绘图框

fig = plt.figure(figsize=(12, 8))

## 设置中文字体

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

## 绘制条形图

plt.bar(expect_prop.index + 0.2, expect_prop, width=0.4, label='预期占比')

plt.bar(actual_prop.index - 0.2, actual_prop, width=0.4, label='实际占比')

plt.legend()

## 设置轴标签

plt.xlabel('概率分组', fontsize=12)

plt.ylabel('样本占比', fontsize=12)

## 设置轴刻度

plt.xticks([0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

['0-0.1', '0.1-0.2', '0.2-0.3', '0.3-0.4', '0.4-0.5', '0.5-0.6', '0.6-0.7', '0.7-0.8', '0.8-0.9', '0.9-1'])

## 设置图标题

plt.title('预期占比与实际占比对比条形图', fontsize=15)

## 在图上添加文字

for index, item1, item2 in zip(range(10), expect_prop.values, actual_prop.values):

plt.text(index+0.2, item1 + 0.01, '%.3f' % item1, ha="center", va= "bottom",fontsize=10)

plt.text(index-0.2, item2 + 0.01, '%.3f' % item2, ha="center", va= "bottom",fontsize=10)

7.7 利用PSI评估随机森林模型稳定性

## 训练集预测概率

y_train_probs = rf_clf.predict_proba(x_train)[:,1]

## 测试集预测概率

y_test_probs = rf_clf.predict_proba(x_test)[:,1]

def psi(y_train_probs, y_test_probs):

## 设定每组的分点

bins = np.arange(0, 1.1, 0.1)

## 将训练集预测概率分组

y_train_probs_cut = pd.cut(y_train_probs, bins=bins, labels=False)

## 计算预期占比

expect_prop = (pd.Series(y_train_probs_cut).value_counts()/len(y_train_probs)).sort_index()

## 将测试集预测概率分组

y_test_probs_cut = pd.cut(y_test_probs, bins=bins, labels=False)

## 计算实际占比

actual_prop = (pd.Series(y_test_probs_cut).value_counts()/len(y_test_probs)).sort_index()

## 计算PSI

psi =((actual_prop-expect_prop)*np.log(actual_prop/expect_prop)).sum()

return psi, expect_prop, actual_prop

## 运行函数得到psi、预期占比和实际占比

psi, expect_prop, actual_prop = psi(y_train_probs,y_test_probs)

print('psi=', round(psi, 3))

## 创建(12, 8)的绘图框

fig = plt.figure(figsize=(12, 8))

## 设置中文字体

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

## 绘制条形图

plt.bar(expect_prop.index + 0.2, expect_prop, width=0.4, label='预期占比')

plt.bar(actual_prop.index - 0.2, actual_prop, width=0.4, label='实际占比')

plt.legend()

## 设置轴标签

plt.xlabel('概率分组', fontsize=12)

plt.ylabel('样本占比', fontsize=12)

## 设置轴刻度

plt.xticks([0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

['0-0.1', '0.1-0.2', '0.2-0.3', '0.3-0.4', '0.4-0.5', '0.5-0.6', '0.6-0.7', '0.7-0.8', '0.8-0.9', '0.9-1'])

## 设置图标题

plt.title('预期占比与实际占比对比条形图', fontsize=15)

## 在图上添加文字

for index, item1, item2 in zip(range(10), expect_prop.values, actual_prop.values):

plt.text(index+0.2, item1 + 0.01, '%.3f' % item1, ha="center", va= "bottom",fontsize=10)

plt.text(index-0.2, item2 + 0.01, '%.3f' % item2, ha="center", va= "bottom",fontsize=10)

7.8 计算逻辑回归的指标重要性

from sklearn.linear_model import LogisticRegression

lr_clf = LogisticRegression(penalty='l2',C = 0.6, random_state=55)

lr_clf.fit(x_train, y_train)

# 查看逻辑回归各项指标系数

coefficient = lr_clf.coef_

# 取出指标系数，并对其求绝对值

importance = abs(coefficient)

# 通过图形的方式直观展现前八名的重要指标

index=data.drop('Default', axis=1).columns

feature_importance = pd.DataFrame(importance.T, index=index).sort_values(by=0, ascending=True)

# # 查看指标重要度

print(feature_importance)

# 水平条形图绘制

feature_importance.tail(8).plot(kind='barh', title='Feature Importances', figsize=(8, 6), legend=False)

plt.show()

7.9 计算随机森林的指标重要性

from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier(n_estimators = 150, criterion = 'entropy', max_depth = 5, min_samples_split = 2, random_state=12)

rf.fit(x_train, y_train)

# 查看随机森林各项指标系数

importance =rf.feature_importances_

# 通过图形的方式直观展现前八名的重要指标

index=data.drop('Default', axis=1).columns

feature_importance = pd.DataFrame(importance.T, index=index).sort_values(by=0, ascending=True)

# # 查看指标重要度

print(feature_importance)

# 水平条形图绘制

feature_importance.tail(8).plot(kind='barh', title='Feature Importances', figsize=(8, 6), legend=False)

plt.show()

银行客户信用风险评估项目相关推荐

GARP翻译：信用风险评估——基于文本分析的好处
文章目录英文正本: Credit Risk Assessment: The Benefits of Text-Based Analysis 信用风险评估--基于文本分析的好处文本挖掘的优与劣对商 ...
机器学习：信用风险评估评分卡建模方法及原理
#课程介绍信用风险评分卡为信用风险管理提供了一种有效的.经验性的解决方法,是消费信贷管理中广泛应用的技术手段. 评分卡是信用风险评估领域常见的建模方法.评分卡并不加单对应于某一种机器学习算法,而是一 ...
【2017年第1期】基于文本大数据的企业信用风险评估
杨扬1, 周一懋2, 周宗放3 1. 西南财经大学经济数学学院,四川成都 611130 2. 江苏汇誉通数据科技有限公司,江苏苏州 215123 3. 电子科技大学经济与管理学院,四川成都 61 ...
Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据
案例及数据说明本选题用到的数据包括公共数据集.用户通话数据.违约行为数据. 训练集数据:用户通话数据(201703-201706),违约行为数据(201707),公共数据-基本信息(201703-2 ...
高收益债券信用风险评估：预期损失率模型
高收益债券信用风险评估:预期损失率模型 2015-12-07 袁志辉人民币交易与研究作者袁志辉,任职于安信证券固定收益部. 摘要自今年3月份债券刚性兑付打破以来,信用风险受到市场广泛关注,多只债 ...
信息安全风险评估项目工序与流程
由于写报告的需要,上网找的资料,把它保存起来. 原文地址: http://www.amxku.net/info-sec-access-Process/ 一.项目启动1．双方召开项目启动会议,确定各自接 ...
利用R语言预测银行客户信用的优劣(随机森林方法)
我们选取的数据时1994年德国的一家银行在平定客户信用风险好坏的时候用到的一组变量,共有1000组数据.由于年代久远可能和实际有些出入.数据可以在下面的网址下载. http://archive.ics ...
信用风险评估评分卡之极端值
极端值的产生: 1.数据生成的过程来源于某些未知的函数形式的分布,很难确定哪些观测值是极端值: 2.在获取原始业务数据过程中,产生差错. 极端值的识别: 1.为每个变量(feature)设定一个正常的 ...
信用风险评估之预测力指标（筛选特征）
在建模时,被用来预测的变量(即feature)相互间不能有很强的相关性,最好完全不存在相关性. 评判变量间的预测力指标有皮尔森相关系数,斯皮尔曼相关系数,皮尔森卡方统计量,概率比,信息值等. 1.皮尔 ...

银行客户信用风险评估项目

银行客户信用风险评估项目相关推荐

最新文章

热门文章