项目目的：利用车贷金融数据建立评分卡，并尝试多次迭代观察不同行为对模型，以及建模中间过程产生哪些影响。
首先是标准化导入需要使用的工具
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.style.use("ggplot")#风格设置 import seaborn as sns sns.set_style("whitegrid") %matplotlib inline import warnings #忽略错误模块 warnings.filterwarnings("ignore") plt.rcParams["font.sans-serif"]=["SimHei"] #指定默认字体
导入需要的数据
acc = pd.read_csv('accepts.csv') #通过的客户 rej = pd.read_csv('rejects.csv') #拒绝的客户
pd.set_option("display.max_columns",len(acc.columns))#解决全部显示的问题 acc.head()
各变量含义介绍： #中文含义
#中文含义
##application_id---申请者ID
##account_number---帐户号
##bad_ind---是否违约
##vehicle_year---汽车购买时间
##vehicle_make---汽车制造商
##bankruptcy_ind---曾经破产标识
##tot_derog---五年内信用不良事件数量(比如手机欠费消号)
##tot_tr---全部帐户数量
##age_oldest_tr---最久账号存续时间(月)
##tot_open_tr---在使用帐户数量
##tot_rev_tr---在使用可循环贷款帐户数量(比如信用卡)
##tot_rev_debt---在使用可循环贷款帐户余额(比如信用卡欠款)
##tot_rev_line---可循环贷款帐户限额(信用卡授权额度)
##rev_util---可循环贷款帐户使用比例(余额/限额)
##fico_score---FICO打分
##purch_price---汽车购买金额(元)
##msrp---建议售价
##down_pyt---分期付款的首次交款
##loan_term---贷款期限(月)
##loan_amt---贷款金额
##ltv---贷款金额/建议售价*100
##tot_income---月均收入(元)
##veh_mileage---行使历程(Mile)
##used_ind---是否使用
##weight---样本权重
数据清洗
1.缺失值处理
数值数据处理
acc_Floatcolumns=[i for i in acc.columns if acc[i].dtype=="float"] rej_Floatcolumns=[i for i in rej.columns if rej[i].dtype=="float"]
利用Imputer 模块进行缺失值填充
from sklearn.preprocessing import Imputer#只支持 均值，中位数，众数填补 inputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0) inputer = inputer.fit(X) X = inputer.transform(X) 主要参数说明： missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaN strategy：替换策略，字符串，默认用均值‘mean’替换 ①若为mean时，用特征列的均值替换 ②若为median时，用特征列的中位数替换 ③若为most_frequent时，用特征列的众数替换 axis：指定轴数，默认axis=0代表列，axis=1代表行 copy：设置为True代表不在原数据集上修改，设置为False时，就地修改，存在如下情况时，即使设置为False时，也不会就地修改 ①X不是浮点值数组 ②X是稀疏且missing_values=0 ③axis=0且X为CRS矩阵 ④axis=1且X为CSC矩阵 statistics_属性：axis设置为0时，每个特征的填充值数组，axis=1时，报没有该属性错误