原文鏈接：http://tecdat.cn/?p=23518

最近我們被客戶要求撰寫關(guān)于銀行拉新活動的研究報告，包括一些圖形和統(tǒng)計輸出。

項目背景：銀行的主要盈利業(yè)務(wù)靠的是貸款，這些客戶中的大多數(shù)是存款大小不等的責(zé)任客戶（存款人）。銀行擁有不斷增長的客戶

該銀行希望增加借款人（資產(chǎn)客戶），開展更多的貸款業(yè)務(wù)，并通過貸款利息賺取更多利潤。因此，銀行希望將負(fù)債的客戶轉(zhuǎn)換為個人貸款客戶。（同時保留他們作為存款人）。該銀行去年針對負(fù)債客戶開展的一項活動顯示，成功實現(xiàn)了9％以上的成功轉(zhuǎn)化率。該部門希望建立一個模型，來幫助他們確定購買貸款可能性更高的潛在客戶?？梢栽黾映晒β剩瑫r降低成本。

數(shù)據(jù)集

下面給出的文件包含5000個客戶的數(shù)據(jù)?（?查看文末了解數(shù)據(jù)獲取方式?）?。數(shù)據(jù)包括客戶人口統(tǒng)計信息（年齡，收入等），客戶與銀行的關(guān)系（抵押，證券賬戶等）以及客戶對上次個人貸款活動的因變量（個人貸款）。在這5000個客戶中，只有480個（= 9.6％）接受了先前活動中提供給他們的個人貸款

data.head()

data.columns

屬性信息

屬性可以相應(yīng)地劃分：

• 變量?ID?一個人的客戶ID與貸款之間沒有關(guān)聯(lián)，也無法為將來的潛在貸款客戶提供任何一般性結(jié)論。我們可以忽略此信息進(jìn)行模型預(yù)測。

二進(jìn)制類別具有五個變量，如下所示：

• 個人貸款-該客戶是否接受上一個廣告系列提供的個人貸款？?這是我們的目標(biāo)變量

• 證券帳戶-客戶在銀行是否有證券帳戶？

• CD帳戶-客戶在銀行是否有存款證明（CD）帳戶？

• 網(wǎng)上銀行-客戶是否使用網(wǎng)上銀行？

• 信用卡-客戶是否使用銀行發(fā)行的信用卡？

數(shù)值變量如下：

• 年齡-客戶的年齡

• 工作經(jīng)驗

• 收入-年收入（元）

• CCAvg-平均信用卡消費

• 抵押-房屋抵押價值

有序分類變量是：

• 家庭-客戶的家庭人數(shù)

• 教育程度-客戶的教育程度

標(biāo)稱變量是：

• ID

• 郵政編碼

data.shape

data.info()

#?文件中沒有列有空數(shù)據(jù)data.apply(lambda?x?:?sum(x.isnull()))

#?對數(shù)據(jù)進(jìn)行目測 data.describe().transpose()

#查看有多少不同數(shù)據(jù)data.apply(lambda?x:?len(x.unique()))

兩兩變量散點圖

• 年齡?特征通常是分布的，大多數(shù)客戶年齡在30歲到60歲之間。

• 經(jīng)驗?大多分布在8年以上經(jīng)驗的客戶。這里的?平均值?等于中?位數(shù)。有負(fù)數(shù)?。這可能是數(shù)據(jù)輸入錯誤，因為通常無法衡量負(fù)數(shù)的工作經(jīng)驗。我們可以刪除這些值，因為樣本中有3或4條記錄。

• 收入出現(xiàn)?正偏斜。大多數(shù)客戶的收入在45,000到55K之間。我們可以通過說平均值?大于?中位數(shù)來確認(rèn)這一點

• CCAvg?也是一個正偏變量，平均支出在0K到10K之間，大多數(shù)支出不到2.5K

• 抵押?70％的人的抵押貸款少于4萬。但是最大值為635K

• 家庭和教育變量是序數(shù)變量。家庭分布均勻

有52條記錄經(jīng)驗為負(fù)數(shù)。在進(jìn)一步進(jìn)行之前，我們需要對這些記錄進(jìn)行清理

data[data['Experience']?<?0]['Experience'].count()52#清理負(fù)數(shù)變量dfExp?=?data.loc[data['Experience']?>0] data.loc[negExp]['ID'].tolist()?#?得到有負(fù)數(shù)經(jīng)驗的客戶ID

有52條負(fù)數(shù)經(jīng)驗的記錄

以下代碼執(zhí)行以下步驟：

• 對于具有ID的記錄，獲取Age?column的值

• 對于具有ID的記錄，獲取Education?column的值

• 從具有正數(shù)經(jīng)驗的記錄的數(shù)據(jù)框中過濾符合以上條件的記錄，并取中位數(shù)

• 將中位數(shù)填充原本負(fù)數(shù)經(jīng)驗的位置

data.loc[np.where(['ID']==id)]["Education"].tolist()[0]df_filtered['Experience'].median()#?檢查是否有負(fù)數(shù)經(jīng)驗的記錄 data[data['Experience']?<?0]['Experience'].count()0

收入和教育對個人貸款的影響

boxplot(x='Education',y='Income',data=data)

觀察?：看來教育程度為1的客戶收入更高。但是，接受了個人貸款的客戶的收入水平相同

點擊標(biāo)題查閱往期內(nèi)容

R語言基于決策樹的銀行信貸風(fēng)險預(yù)警模型

左右滑動查看更多

01

02

03

04

推論?：從上圖可以看出，沒有個人貸款的客戶和擁有個人貸款的客戶的抵押貸款較高。

觀察?：大多數(shù)沒有貸款的客戶都有證券賬戶

觀察：家庭人數(shù)對個人貸款沒有任何影響。但是似乎3歲的家庭更有可能借貸?？紤]未來的推廣活動時，這可能是一個很好的觀察結(jié)果。

觀察：沒有CD帳戶的客戶，也沒有貸款。這似乎占多數(shù)。但是幾乎所有擁有CD帳戶的客戶也都有貸款

觀察：該圖顯示有個人貸款的人的信用卡平均費用更高。平均信用卡消費中位數(shù)為3800元，表明個人貸款的可能性更高。較低的信用卡支出（中位數(shù)為1400元）不太可能獲得貸款。這可能是有用的信息。

觀察?上圖顯示與經(jīng)驗和年齡呈正相關(guān)。隨著經(jīng)驗的增加，年齡也會增加。顏色也顯示教育程度。四十多歲之間存在差距，大學(xué)以下的人也更多

#?與熱圖的關(guān)聯(lián)性corr?=?data.corr() plt.figure(figsize=(13,7))#?創(chuàng)建一個掩碼，以便我們只看到一次相關(guān)的值a?=?sns.heatmap(corr,mask=mask,?annot=True,?fmt='.2f')

觀察

• 收入和CCAvg呈中等相關(guān)。

• 年齡和工作經(jīng)驗高度相關(guān)

sns.boxplot

看下面的圖，收入低于10萬的家庭比高收入的家庭更不可能獲得貸款。

應(yīng)用模型

將數(shù)據(jù)分為訓(xùn)練集和測試集

train_labels?=?train_settest_labels?=?test_set

決策樹分類器

DecisionTreeClassifier(class_weight=None,?criterion='entropy',?...)dt_model.score0.9773333333333334dt_model.predict(test_set)

預(yù)測

array([0,?0,?0,?0,?0])

查看測試集

test_set.head(5)

樸素貝葉斯

naive_model.fit(train_set,?train_labels) naive_model.score0.8866666666666667

隨機(jī)森林分類器

RandomForestClassifier(max_depth=2,?random_state=0)Importance.sort_values

randomforest_model.score(test_set,test_labels)0.8993333333333333

KNN（K-最近鄰居）

data.drop(['Experience'?,'ID']?,?axis?=?1).drop(labels=?"PersonalLoan"?,?axis?=?1)train_set_dep?=?data["PersonalLoan"]acc?=?accuracy_score(Y_Test,?predicted)print(acc)0.9106070713809206

模型比較

for?name,?model?in?models: ? ?kfold?=?model_selection.KFold(n_splits=10) ? ?cv_results?=?model_selection.cross_val_score(model,?X,?y,?cv,?scoring)#?箱線圖算法的比較plt.figure()

結(jié)論

通用銀行的目的是將負(fù)債客戶轉(zhuǎn)變?yōu)橘J款客戶。他們想發(fā)起新的營銷活動；因此，他們需要有關(guān)數(shù)據(jù)中給出的變量之間的有聯(lián)系的信息。本研究使用了四種分類算法。從上圖可以看出，隨機(jī)森林?算法似乎?具有最高的精度，我們可以選擇它作為最終模型。

本文選自《Python決策樹、隨機(jī)森林、樸素貝葉斯、KNN（K-最近鄰居）分類分析銀行拉新活動挖掘潛在貸款客戶》。

點擊標(biāo)題查閱往期內(nèi)容

PYTHON銀行機(jī)器學(xué)習(xí):回歸、隨機(jī)森林、KNN近鄰、決策樹、高斯樸素貝葉斯、支持向量機(jī)SVM分析營銷活動數(shù)據(jù)|數(shù)據(jù)分享
用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
R語言用FNN-LSTM假近鄰長短期記憶人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行時間序列深度學(xué)習(xí)預(yù)測4個案例
Python中TensorFlow的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)、指數(shù)移動平均法預(yù)測股票市場和可視化
R語言KERAS用RNN、雙向RNNS遞歸神經(jīng)網(wǎng)絡(luò)、LSTM分析預(yù)測溫度時間序列、 IMDB電影評分情感
Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化
Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時間序列進(jìn)行預(yù)測分析
R語言中的神經(jīng)網(wǎng)絡(luò)預(yù)測時間序列：多層感知器（MLP）和極限學(xué)習(xí)機(jī)（ELM）數(shù)據(jù)分析報告
R語言深度學(xué)習(xí)：用keras神經(jīng)網(wǎng)絡(luò)回歸模型預(yù)測時間序列數(shù)據(jù)
Matlab用深度學(xué)習(xí)長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對文本數(shù)據(jù)進(jìn)行分類
R語言KERAS深度學(xué)習(xí)CNN卷積神經(jīng)網(wǎng)絡(luò)分類識別手寫數(shù)字圖像數(shù)據(jù)（MNIST）
MATLAB中用BP神經(jīng)網(wǎng)絡(luò)預(yù)測人體脂肪百分比數(shù)據(jù)
Python中用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析Python使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類
R語言用神經(jīng)網(wǎng)絡(luò)改進(jìn)Nelson-Siegel模型擬合收益率曲線分析
R語言基于遞歸神經(jīng)網(wǎng)絡(luò)RNN的溫度時間序列預(yù)測
R語言神經(jīng)網(wǎng)絡(luò)模型預(yù)測車輛數(shù)量時間序列
R語言中的BP神經(jīng)網(wǎng)絡(luò)模型分析學(xué)生成績
matlab使用長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對序列數(shù)據(jù)進(jìn)行分類
R語言實現(xiàn)擬合神經(jīng)網(wǎng)絡(luò)預(yù)測和結(jié)果可視化
用R語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實例
使用PYTHON中KERAS的LSTM遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行時間序列預(yù)測
python用于NLP的seq2seq模型實例:用Keras實現(xiàn)神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯
用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類