贷款风险预测

该博客主要介绍了贷款风险预测的过程,包括数据预处理步骤,如删除全NaN列、特征选择与数据清洗、处理奇异值,以及将字符型数据转换为数值型。博主探讨了特征之间的相关性,如贷款量与分期付款量的关联,并强调了其在提高模型准确性和效率上的作用。随后,博主进行了模型建立,但在尝试使用贝叶斯模型时遇到了问题,决定删除loan_status列来解决这个问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

加载数据
在这里插入图片描述
去掉全部是NaN的列
NaN not a number
Na not availabe
NaN 是属于Na的
How=‘all’ 表示 全列都是 Na 的去掉

在这里插入图片描述
特征选择和数据清洗
(切片操作,弱备份,相当于视图)
在这里插入图片描述
删除load_data变成强备份
在这里插入图片描述
将字符型的转换为数值型
findall返回的是数组,在某一列上运用某个函数用apply函数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值