数据挖掘模型学习---二分类

银行风险控制模型[二分类]

目录

• 银行风险控制模型[二分类]
  • 1 数据读取与变量划分
    • 1.1 读取数据
    • 1.2 划分特征变量与目标变量
  • 2 逻辑回归模型~sklearn
    • 2.1 模型的搭建与使用
    • 2.2 准确率与混淆矩阵
  • 3 BP神经网络~Keras
    • 3.1 模型的搭建与使用
    • 3.2 准确率与混淆矩阵

1 数据读取与变量划分

1.1 读取数据

import pandas as pd
inputfile = './bankloan.xls'
data = pd.read_excel(inputfile)

通过data.head()查看前五行数据，结果如下：

该数据集共700条记录；最后一列表示负债与否， ‘0’表示未违约,‘1’表示违约。

1.2 划分特征变量与目标变量

X = data.drop(columns='违约')
y = data['违约']

2 逻辑回归模型~sklearn

2.1 模型的搭建与使用

• 训练模型

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

model = LogisticRegression()
model.fit(X_train, y_train)

• 预测数据结果

y_pred = model.predict(X_test)

打印y_pred查看预测值

可以将预测值与真实值放在一起对比一下，结果如下表（展示前五项）：

2.2 准确率与混淆矩阵

from sklearn.metrics import accuracy_score
score = accuracy_score(y_pred, y_test)
print(score)

使用accuracy_score函数，score的结果为0.8285714285714286，即准确度为82.8%。

• 接下来画出混淆矩阵
• 先写入混淆矩阵可视化函数

def cm_plot(y, y_pred):
  from sklearn.metrics import confusion_matrix #导入混淆矩阵函数
  cm = confusion_matrix(y, y_pred) #混淆矩阵
  import matplotlib.pyplot as plt #导入作图库
  plt.matshow(cm, cmap=plt.cm.Greens) #画混淆矩阵图，配色风格使用cm.Greens，更多风格请参考官网。
  plt.colorbar() #颜色标签
  for x in range(len(cm)): #数据标签
    for y in range(len(cm)):
      plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center')
  plt.ylabel('True label') #坐标轴标签
  plt.xlabel('Predicted label') #坐标轴标签
  return plt

• 传入参数

cm_plot(y_test, y_pred)

3 BP神经网络~Keras

3.1 模型的搭建与使用

• 训练模型

from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.layers import  Activation, Dense, Dropout

model = Sequential()
model.add(Dense(64,input_dim=8,activation='relu'))  #8个特征维度
# Drop防止过拟合的数据处理方式
model.add(Dropout(0.5))
model.add(Dense(64,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1,activation='sigmoid'))
 
# 编译模型，定义损失函数，优化函数，绩效评估函数
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])     #二元分类，所以指定损失函数为binary_crossentropy
 
# 导入数据进行训练
model.fit(X_train,y_train,epochs=200,batch_size=128)   

• 预测数据结果

yp = model.predict_classes(X_test).reshape(len(y_test))  # 分类预测
print(yp)

3.2 准确率与混淆矩阵

score  = model.evaluate(X_test,y_test,batch_size=128)
print(score)

得到当前模型的损失值为0.38988085644585746，精度为0.8285714387893677。当然适当提高迭代次数，可提高精确度。

• 依然使用上面的混淆矩阵可视化函数，传入对应参数yp

cm_plot(y_test, yp)

相应的混淆矩阵结果如下图：

对比： 从准确率来看，两个模型的差别不大；从混淆矩阵来看，神经网络模型略胜一筹。总的来说，两个模型对此数据集的预测结果均为良好，不存在大的差别。