您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)Python基于Logistic回歸建模如何計(jì)算某銀行在降低貸款拖欠率的數(shù)據(jù),小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
具體如下:
一、Logistic回歸模型:
二、Logistic回歸建模步驟
1.根據(jù)分析目的設(shè)置指標(biāo)變量(因變量和自變量),根據(jù)收集到的數(shù)據(jù)進(jìn)行篩選
2.用ln(p/1-p)和自變量x1...xp列出線性回歸方程,估計(jì)出模型中的回歸系數(shù)
3.進(jìn)行模型檢驗(yàn)。模型有效性檢驗(yàn)的函數(shù)有很多,比如正確率、混淆矩陣、ROC曲線、KS值
4.模型應(yīng)用。
三、對(duì)某銀行在降低貸款拖欠率的數(shù)據(jù)進(jìn)行建模
源代碼為:
import pandas as pd filename=r'..\data\bankloan.xls' #導(dǎo)入數(shù)據(jù)路徑 data=pd.read_excel(filename) #讀取該excel文件 x=data.iloc[:,:8].as_matrix() #選取數(shù)據(jù)集中0-7行的數(shù)據(jù),形成一個(gè)矩陣 y=data.iloc[:,8].as_matrix() from sklearn.linear_model import LogisticRegression as LR from sklearn.linear_model import RandomizedLogisticRegression as RLR rlr=RLR() rlr.fit(x,y) #訓(xùn)練模型 rlr.get_support() #獲取特征篩選結(jié)果 print(u'通過(guò)邏輯回歸模型篩選特征結(jié)束。') print(u'有效特征為:%s'%','.join(data.columns[rlr.get_support()])) x=data[data.columns[rlr.get_support()]].as_matrix() #篩選好的特征 lr=LR() lr.fit(x,y) print(u'邏輯回歸模型訓(xùn)練結(jié)束') print(u'模型的平均正確率:%s'%lr.score(x,y))
機(jī)器運(yùn)行結(jié)果報(bào)錯(cuò):
IndexError: boolean index did not match indexed array along dimension 0; dimension is 9 but corresponding boolean dimension is 8
解決辦法:建立一個(gè)新的矩陣data2,去掉最后一行,使維數(shù)匹配。
修改后代碼如下:
import pandas as pd filename=r'..\data\bankloan.xls' data=pd.read_excel(filename) x=data.iloc[:,:8].as_matrix() y=data.iloc[:,8].as_matrix() from sklearn.linear_model import LogisticRegression as LR from sklearn.linear_model import RandomizedLogisticRegression as RLR rlr=RLR() rlr.fit(x,y) rlr.get_support() print(u'通過(guò)邏輯回歸模型篩選特征結(jié)束。') data2=data.drop(u'違約',1) print(u'有效特征為:%s'%','.join(data2.columns[rlr.get_support()])) x=data[data2.columns[rlr.get_support()]].as_matrix() lr=LR() lr.fit(x,y) print(u'邏輯回歸模型訓(xùn)練結(jié)束') print(u'模型的平均正確率:%s'%lr.score(x,y))
機(jī)器運(yùn)行結(jié)果:
關(guān)于“Python基于Logistic回歸建模如何計(jì)算某銀行在降低貸款拖欠率的數(shù)據(jù)”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,使各位可以學(xué)到更多知識(shí),如果覺(jué)得文章不錯(cuò),請(qǐng)把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。