基于统计检验与机器学习研究客户对保险兴趣的因素

1.项目背景

保险单是一种安排，公司承诺为特定的损失、损坏、疾病或死亡提供赔偿保证，以换取支付指定的保费。保费是客户需要定期向保险公司支付的一笔钱，以提供此保证，与医疗保险一样，也有车辆保险，客户每年都需要向保险公司支付一定金额的保险费，以便在车辆不幸发生事故时，保险公司将向客户提供赔偿（称为“保额”）。现在需要建立一个模型，以预测过去一年的投保人（客户）是否也会对公司提供的车辆保险感兴趣。

本项目通过对训练集和测试集进行一致性检验，确保它们在特征分布上的一致性。接着进行了客户感兴趣的影响因素分析，并建立了随机森林模型和XGBoost模型，可能对新的车辆保险产品感兴趣，从而有效地规划其营销策略和优化业务模式。

2.数据说明

英文特征名	中文翻译	描述
id	客户ID	客户的唯一标识符
Gender	性别	客户的性别（男/女）
Age	年龄	客户的年龄
Driving_License	驾照	如果客户有驾驶执照，则为1，否则为0
Region_Code	地区代码	客户所在地区的代码
Previously_Insured	之前投保	如果客户之前已投保车辆保险，则为1，否则为0
Vehicle_Age	车辆年龄	车辆的年龄
Vehicle_Damage	车辆损坏	如果客户的车辆曾经损坏，则为1，否则为0
Annual_Premium	年保费	客户每年需要支付的保费金额
Policy_Sales_Channel	保单销售渠道	与客户接触的渠道的匿名代码，即不同的代理、邮件、电话、面对面等
Vintage	客户关系天数	客户与公司关系的天数
Response	响应	客户是否对车辆保险感兴趣，如果客户对车辆保险感兴趣，则为1，否则为0

3.Python库导入及数据读取

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import chi2_contingency,ks_2samp,spearmanr
from sklearn.model_selection import train_test_split,RandomizedSearchCV
from imblearn.over_sampling import RandomOverSampler
from sklearn.ensemble import RandomForestClassifier
import xgboost as xgb
from sklearn.metrics import classification_report,confusion_matrix,roc_curve, auc,precision_recall_curve,precision_recall_fscore_support
from joblib import Parallel, delayed

train_data = pd.read_csv("/home/mw/input/08054086/train.csv")
test_data = pd.read_csv("/home/mw/input/08054086/test.csv")

4.数据