构建五种机器学习模型作比较（某金融数据集）

憨宝宝

于 2018-11-20 22:48:59 发布

阅读量4k

点赞数 10

分类专栏：机器学习模型文章标签：机器学习五种模型评估指标

本文链接：https://blog.youkuaiyun.com/qq_41205464/article/details/84311363

版权

本文通过导入各种包，加载金融数据，进行数据理解与预处理，然后构建并评估了五个不同的机器学习模型。在数据建模过程中，发现两个模型的结果存在异常，有待进一步探究和优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

导入各种包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score,roc_auc_score,roc_curve,auc
from xgboost import XGBClassifier
from lightgbm import LGBMClassifier
from sklearn.linear_model import LogisticRegression
from  sklearn import svm
from sklearn.tree import DecisionTreeClassifier

导入数据

data=pd.read_csv('./data.csv',index_col=0,encoding='gbk')

数据理解

#单独提取出y列标签，和其余的88列标记为x
y=data['status']
X=data.drop('status',axis=1)
#X值的行列数，以及y的分布类型
print('X.shape:',X.shape)
print('y的分布:',y.value_counts())

X.shape: (4754, 88)
y的分布: 0    3561
1    1193
Name: status, dtype: int64

数据准备

#首先剔除一些明显无用的特征，如id_name,custid,trade_no,bank_card_no
X.drop(['id_name','custid','trade_no','bank_card_no'],axis=1,inplace=True)
print(X.shape)
#选取数值型特征
X_num=X.select_dtypes('number').copy()
print(X_num.shape)
type(X_num.mean())
#使用均值填充缺失值
X_num.fillna

最低0.47元/天解锁文章