决策树（统计学习方法（李航））的贷款的例子的实现

最新推荐文章于 2025-04-21 23:46:19 发布
最新推荐文章于 2025-04-21 23:46:19 发布
阅读量2.4k 收藏 22
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wx23013/article/details/103650833
版权
本文基于统计学习方法（李航）的教材例子，利用Python的sklearn库构建并可视化决策树。文章详细介绍了如何处理数据、应用决策树模型，并通过graphviz进行图形展示。在过程中，还解决了中文乱码问题，提供了完整的代码示例。

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

以统计学习方法（李航）这本书的例子为基础
需要注意的地方：

  1. 我用的是pycharm
  2. python版本是3.7
  3. graphviz是一个软件，在pycharm里面下了还得去官网下
    下完之后得加入环境变量可能还需要重启电脑
  4. 缺啥库就安啥库
  5. 那个数据是我自己设置的，手敲的。

贷款申请样本数据表

ID 年龄 有工作 有自己的房子 信贷情况 类别
1 青年 否 否 一般 否
2 青年 否 否 好 否
3 青年 是 否 好 是
4 青年 是 是 一般 是
5 青年 否 否 一般 否
6 中年 否 否 一般 否
7 中年 否 否 好 否
8 中年 是 是
最低0.47元/天 解锁文章
realwuxiong
关注
决策树应用实例③——银行借贷模型
cindy407的博客
06-22 1万+
银行借贷是基于分析历史按时还款、逾期或不还的用户群体的各自特征建立模型，未来借款用户只要符合符合借款要求，就给予借贷，如果不符合，则拒绝。 本文将根据自建的一份包含借款人信息及银行是否借贷的数据集，创建一棵决策树，并进行预测，代码过程如下： 一、导入数据 # 导入库 import pandas as pd import numpy as np from sklearn.tree import De...
【数据挖掘】使用C4.5决策树实现信贷用户逾期预测功能（含源码+报告）
hi25779的博客
08-02 4423
题目要求 本次设计要求实现信贷用户逾期预测功能。具体要求如下：利用所学数据挖掘算法对给定数据进行训练得出信用评估模型，依据模型对1000个贷款申请人是否逾期做出预测（0-未逾期 1-逾期）。 数据说明 数据概述 ： 数据包括脱敏后的个人基本信息、持卡信息、消费信息及信贷信息等。详见字段解释.xlsx。 数据结构和数据规模 ： 数据分为训练集和验证集。 详见model.csv和te...
03-0004 CART决策树解决银行贷款问题(Python)
雯饰太一的博客
04-23 7803
CART决策树解决银行贷款问题-Python1.问题描述2.术语解释2.1.CART2.2.基尼系数2.3.基尼指数2.4.基尼系数增益3.算法步骤3.1语言描述3.2举例说明4.实验源码5.实验结果&参考6.总结 1.问题描述 The experimental data includes four attribute characteristics: age group, whethe...
决策树预测银行是否贷款
最新发布
2303_81685705的博客
04-21 920
决策树是一种常用的机器学习算法，主要用于分类问题。它通过对数据进行递归划分，生成一个树形结构，从而做出决策。每个节点表示一个特征的判断条件，每个分支表示特征的取值，而每个叶节点则代表一个分类结果。通过决策树模型，我们能够根据客户的特征预测银行是否会发放贷款。决策树的构建过程中，信息增益作为特征选择的标准，帮助我们选择最具区分性的特征进行划分。通过递归划分和剪枝技术，决策树能够高效地进行分类决策。最终，我们通过可视化手段，使得模型的决策过程更加直观易懂。
决策树实践案例一之拍拍贷客户逾期还款预测
啦啦啦~~
08-21 3345
本文分为两大部分第一部分简单举例讲述决策树算法的原理概念 第二部分基于决策树用案例实现贷款是否逾期预测 决策树算法是机器学习经典算法之一，原理相对简单易懂。首先决策树毕竟是帮助做出更好的决策的一种算法，决策树ID3根据信息增益的大小作为结点进行分支，拿最经典的西瓜书里判断是否好瓜来举例子，有十七课西瓜各有各的特征，但是我们第一思维是:好瓜毕竟有某种一致的属性，相同不好的西瓜也有它...
使用决策树对金融贷款数据进行分析
lhyandlwl的博客
05-20 962
在本篇博客中，我们将通过使用 Python、Pandas 和多种机器学习技术，对一组贷款数据进行全面分析。通过详细的步骤展示，你将学会如何进行数据预处理、可视化分析以及构建预测模型。通过这些步骤，我们成功地对贷款数据进行了分析和建模，希望这篇教程能够帮助你更好地理解数据科学的工作流程。
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
weixin_42046845的博客
01-29 1578
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
【李航-统计学习方法】第五章- 决策树-2
weixin_43041009的博客
05-07 1786
决策树学习-2
决策树⑤——Python代码实现决策树
cindy407的博客
06-22 3725
依据现代女生的审美标准，用python代码编写一颗简单的决策树
机器学习笔记15——决策树(DT)、ID3算法、C4.5算法原理以及python实现案例
weixin_45666566的博客
07-19 1万+
决策树1、概述2、决策树模型3、决策树学习4、决策树构建-三步骤4.1 特征选择4.1.1 熵(entropy)4.1.2 条件熵(entropy)4.1.3 信息增益总结 1、概述 决策树（decision tree）： 是一种基本的分类与回归方法，此处主要讨论分类的决策树。 在分类问题中，表示基于特征对实例进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 2、决策树模型 定义： 分类决策树模型是一种描述对实例进行分类的树形结构。 决策树由结点和有向边组
04_使用决策树对银行贷款进行建模
奔腾游子
04-11 4541
使用决策树对银行贷款进行建模 1、实验描述 使用Python编程，输入为自定义数据集，分别为贷款对象的四个属性，年龄，是否有房，是否有工作，信用情况计算所有可能的特征的信息增益，选择最优的特征值划分数据集，进而递归地构建决策树。其中为了更加直观地呈现决策树，使用Matplotlib编程将决策树可视化。最后，根据训练好的决策树执行分类，判断银行是否贷款给相关用户。 实验时长： 60 分钟 主要步骤： 使用Python选择最优特征递归构建决策树 决策树的可视化 使用决策树执行分类预测
Python3 ID3决策树判断申请贷款是否成功的实现代码
09-16
主要介绍了Python3 ID3决策树判断申请贷款是否成功的实现代码，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
贝叶斯⑥——银行借贷模型（贝叶斯与决策树对比）
cindy407的博客
06-27 3977
之前在决策树系列中写了一篇博客，是利用决策树建立了一个银行借贷模型，鉴于都是分类，今天就来对比下贝叶斯和决策树的分类效果。 一、数据集 下载：https://pan.baidu.com/s/1AtFKXSMYdD_G3M5UhTC1-w 提取码： oygj 二、字段介绍 ① name_id: 姓名 ② profession： 职业，1-企业工作者，2-个体经营户，3-自由工作者，4-事业单位，5...
决策树算法--贷款、预测眼镜
weixin_45422335的博客
03-09 3832
一、决策树概述 1、算法思想 决策树是从根节点开始，对实例的某一特征进行测试，根据测试结果将实例分配到其子节点；每一个子节点对应着该特征的一个取值。如此递归地对实例进行测试并分配，直至达到叶节点。最后将实例分配到叶节点的类中。 决策树学习算法包括特征选择、决策树生成和决策树剪枝三部分。本文主要概述前两部分和采用ID3算法构建树。 2、一般流程 决策树的一般流程 (1)收集数据：可以使用任何方法。 ...
20200317_决策树预测贷款申请
热门推荐
lzay的博客
04-01 1万+
使用决策树，预测贷款申请 import pandas as pd # 忽略弹出的warnings import warnings warnings.filterwarnings('ignore') text=pd.read_excel('data/LoanStats_securev1_2019Q4.xlsx') text.head() id...
基于决策树的贷款审批模型
zhaocen_1230的博客
10-24 8875
基于决策树的贷款审批模型 一、背景描述 银行信贷业务是银行最基本、最重要的资产业务，通过发放银行贷款收回本金和利息，扣除成本后获得利润。银行为了获得更大的利润，对每一位顾客的信息进行分类，然后针对不同的顾客采用不同的方案。 银行每天要收到大量贷款申请，其中夹杂着大量不具备贷款资格的申请，为缓解审批人员的工作量，可以根据申请人资料，制定一个模型自动过滤高拖欠贷款概率的资格申请表。 二、数据分...
决策树-李航
weixin_30878501的博客
05-15 104
1、所谓决策树模型，是通过重要性依次向下绘出的，越重要的越在上面。 决策树有节点和有向边组成。结点有两种类型，内部节点和叶结点，内部节点表示一个属性，叶子节点表示一个类。 决策树的数学意义在于 ，条件概率分布。举一个简单的例子：一个人去银行贷款，他的年龄、收入、房子、车子都能决定他是否能贷到款。我们需要判断到底哪个是最重要的，只需要判断出P（贷到款 | （年龄、收入、房车））哪个条件概率最大就...
机器学习--决策树实验及源码（Python版）
LiuSong的博客
03-14 5203
【实验原理】 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3,...
【机器学习】算法 之 决策树
lemonxiaoxiao的博客
10-05 4738
一、基本原理 决策树（decision tree）：是一种基本的分类与回归方法，此处主要讨论分类的决策树。 在分类问题中，表示基于特征对实例进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 决策树通常有三个步骤：特征选择、决策树的生成、决策树的修剪。 用决策树分类：从根节点开始，对实例的某一特征进行测试，根据测试结果将实例分配到其子节点，此时每个子节点对应着该特征的一个取值，如此递归的对实例进行测试并分配，直到到达叶节点，最后将实例分到叶节点的类中
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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