信用卡违约客户的预测模型的选择(二）验证过程

验证过程

该数据集包含23个输入变量(input variable)和一个响应变量（response variable）。该数据集来源于UCI machine learning repository,为某银行的信用卡客户信息数据，共有30000个样本，包括过去六个月的账单还款情况。

 

Y：下个月还款违约情况（1=逾期，0=未逾期）

X1：信用额度，包括其个人和家庭补充信用。

X2：性别（1=male;2=female）

X3：教育（1=研究生，2=大学，3=高中，4=其他）

X4：婚姻状况（1=已婚，2=单身，3=其他）

X5：年龄，age

X6-X11：过去六个月的还款情况。X6（2005年九月还款情况）。。。X11（2005年四月还款情况）。其中XN=-1,代表按时还款，XN=1,代表延时一个月还款，XN=2,代表延时两个月还款，。。。，XN=n,代表延时n个月还款，

X12-X17：过去六个月的账单数额情况。X12（2005年九月账单数额情况）…X11（2005年四月账单数额情况）。

X18-X23：过去六个月的还款数额情况。X18（2005年九月还款数额情况）…X23（2005年四月还款数额情况）。

环境配置

操作系统：windows7+64位

内存：4G

Cpu: intel core i5@2.6GHz2.6GHz

Python version: python 3.6.0

Python平台：pycharm

首先获取数据，将原始csv文件转化为txt文件，逐行读取数据，为利于后期回归运算将变量格式的数据统一转化为float格式。在变量选取中我们本着类别变量均等，训练矩阵随机，训练与测试矩阵28原则。

如下：

float(listFromLine[i])

分别定义标签矩阵和变量矩阵，读入客户数据。

此模型预测变量为0或1。其中类别为1的变量6636个，类别为0的变量23364个。我们选择相等的两类样本数0和1分别6600个。

首先进行数据集进行拆分，使用sklearn的cross_validation进行数据拆分。

from sklearn.cross_validationimport tra