Python银行风控模型的建立（解决Grapviz的中文显示问题）

Python银行风控模型的建立

一、用神经网络Sequential（序贯模型）搭建

1、背景：

700个数据，前8列作为x，最后一列为y，建立银行风控模型。（数据量不大）

二分类问题，损失函数用’binary_crossentropy’，指标也用metrics=[BinaryAccuracy()]

训练集和测试集8-2开，但我最后还是用y和yp比较模型精度，所以不应该要求精度太高（避免过拟合）

2、经过多次调参，最好的model代码如下

model = Sequential()

model.add(Dense(input_dim=8,units=800,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(input_dim=800,units=400,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(input_dim=400,units=1,activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam',metrics=[BinaryAccuracy()])
model.fit(x_train,y_train,epochs=1000,batch_size=128)

3、对比分析：

1、3层和4层的激活函数的效果基本一样，但是四层更耗时。

2、训练500次和1000次，精度下降，运行时间也减少；训练1000次比训练100次的精确度高0.1左右，运行时间大大缩短，从44s到6s；

3、relu激活函数比softsign激活函数更优，但是也较为耗时。

4、input_dim和units，传入数和批数小，精确度和损失值都会降下来，运行时间也会减少。

4、我的结论：

在数据量不大的情况下，综合考虑运行时间、精度、损失值，我认为，0.81左右的精度足够了，六秒运行时间还在接受范围内。

5、代码如下：

import pandas as pd
import numpy as np
#导入划分数据集函数
from sklearn.model_selection import train_test_split
#读取数据
datafile = 'C:/Users/86188/Desktop/Python数据挖掘与数据分析/My work/data2/bankloan2.xls'#文件路径
data = pd.read_excel(datafile)
x = data.iloc[:,:8]
y = data.iloc[:,8]
#划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=100)
#导入模型和函数
from keras.models import Sequential
from keras.layers import Dense,Dropout
#导入指标
from keras.metrics import BinaryAccuracy
#导入时间库计时
import time
start_time = time.time()
#-------------------------------------------------------#
model = Sequential()
model.add(Dense(input_dim=8,units=800,activation='relu'))#激活函数relu
model.add(Dropout(0.5))#防止过拟合的掉落函数
model.add(Dense(input_dim=800,units=400,activation