支持向量机SVM的应用案例

支持向量机（Support Vector Machine,SVM）是一种强大的监督学习算法，广泛应用于分类和回归任务。

基本原理

SVM的主要目标是找到一个最优的超平面，该超平面能够将不同类别的数据点尽可能分开，并且使离该超平面最近的数据点（称为支持向量）到超平面的距离最大化。这个距离称为间隔（Margin）。

• 对于线性可分的数据，SVM试图周到一个线性超平面，通过求解一个凸二次规划问题实现。
• 对于线性不可分的数据，SVM将原始特征空间映射到一个更高维的特征空间，使得在高维空间中数据变得线性可分。

信用风险评估应用场景

金融机构在评估客户的信用风险时，会考虑众多因素，比如客户的收入水平、资产状况、信用历史、债务情况等。这些因素构成了高位的输入数据。SVM可以根据历史客户数据，建立信用风险分类模型。

数据收集与准备

1. 数据收集
   明确了客户信息的维度，ID（序号）,Label（是否违约）,AGE（年龄）,GENDER（性别）,MARITAL_STATUS（婚姻状况）,MONTHLY_INCOME_WHITHOUT_TAX（税前月收入）,LOANTYPE（贷款类型）,GAGE_TOTLE_PRICE（抵押物总价）,APPLY_AMOUNT（申请贷款金额）,APPLY_TERM_TIME（贷适用期限）,APPLY_INTEREST_RATE（申请利率）,PAYMENT_TYPE（贷款还款方式）
2. 数据清洗
   检查数据中缺失值、重复值和异常值。通过对原始数据的检查，未发现明显发现重复值和异常值。

• 检查缺失值

  	print(data.isna().sum())
  

  检查结果
  
  税前收入（MONTHLY_INCOME_WITHOUT_TAX）存在缺失值的情况，因为整体样本较小，所以尽量不对存在缺失值的记录进行删除。在缺失值补充情况下，因为存在税前收入为0的同类情况，从业务角度来看，缺失的情况可以默认为0是比较合理的情况。所以对缺失值都赋值为0。此外，因为ID属性不包含任何有用信息，应予以移除。

  	data=data.drop(columns=['ID']).fillna(0)
  

• 检查重复值

  	print(data[data.duplicated(keep=False)])
  

结果：

未发现有重复数据

特征工程

1. 特征选择
   挑选对信贷分类有重要影响的特征，因为数据维度较少，通过业务经验分析，所有已有的属性都可能与信贷违约存在潜在关系，所以不进行筛选。
2. 特征编码
   对一些非数值型特征，进行编码处理，将其转换为数值型数据，以便 SVM 算法处理。

    print(data['GENDER'].unique())
	print(data['MARITAL_STATUS'].unique())
	print(data['LOANTYPE'].unique())
	print(data['PAYMENT_TYPE'].unique())  

性别、婚姻状况、贷款类型、还款方式这四个属性为非数值特征，需要进行编码处理。其中，性别、贷款类型以及还款方式都是二分类离散变量，婚姻状况是多分类离散变量。
① 对二分类离散变量处理
将性别、贷款类型以及还款方式映射为0和1。

data['GENDER'] = data['GENDER'].map({
   
   'Female': 1, 'Male': 0})
data['LOANTYPE'] = data['LOANTYPE'].map({