一週演算法實踐day1：模型構建

• 資料說明
• 1任務
• 2基本要點
• 3完整程式碼及註釋
• 4執行結果展示
• 5遇到的問題

資料說明

這份資料集是金融資料（非原始資料，已經處理過了），我們要做的是預測貸款使用者是否會逾期。表格中 “status” 是結果標籤：0表示未逾期，1表示逾期。

1任務

• 將金融資料集三七分，隨機種子2018，呼叫sklearn的包，簡單構建邏輯迴歸、SVM和決策樹3個模型並對每一個模型進行評分，評分方式任意，例如準確度和auc值。（在任務1中不需要考慮資料預處理和模型調參）

2基本要點

• csv是常用的資料儲存格式,pandas可以方便的讀寫csv檔案

data_all = pd.read_csv('data_all.csv')

• 使用sklearn庫中的train_test_split進行資料三七分，和設定隨機種子

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,random_state=2018)

3完整程式碼及註釋

#匯入包
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.
 
linear_model import LogisticRegression
from sklearn.svm import LinearSVC
from sklearn import tree

#載入資料
data_all = pd.read_csv('data_all.csv')
print("資料行列數",data_all.shape)

#資料分析
print(data_all.head())#表頭
print(data_all.describe())#基本統計量
#檢視每列是否有缺失值
print(data_all.isnull().sum())

#劃分資料集
#特徵是除去“status”列的所有值
feature =
 
 [x for x in data_all.columns if x not in ['status']]
X = data_all[feature]
#'status'列是標籤
y = data_all['status']
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,random_state=2018)

#構建模型
#1.邏輯迴歸
lr = LogisticRegression(random_state=2018)
lr.fit(X_train,y_train)
#2.SVM
svc = LinearSVC(random_state=2018)
svc.fit(X_train,y_train)
#3.tree
dt = tree.DecisionTreeClassifier(random_state=2018)
dt.fit(X_train,y_train)

#評價三種模型在測試集的表現
lr_acc = lr.score(X_test,y_test)
svc_acc = svc.score(X_test,y_test)
dt_acc = dt.score(X_test,y_test)
print("LogisticRegressiom Acc: %f, SVM Acc: %f, tree Acc: %f"%(lr_acc,svc_acc,dt_acc))

4執行結果展示

LogisticRegressiom Acc: 0.748423, SVM Acc: 0.748423, tree Acc: 0.684653

5遇到的問題

• 模型中引數並沒有理解
• 在劃分資料集時，X，y的處理也有困惑。