逻辑回归的概念
Python
20162017
2016python
，
20161490
图2.2016
#-*- coding: utf-8 -*- import pandas as pd import matplotlib.pyplot as plt data = pd.read_excel("c:/2018/2016myjb.xlsx") print (data) x = data.iloc[:,:8].as_matrix() #行全选，列选下标0-7 print ("x: \n", x) y = data.iloc[:,8].as_matrix()#行全选，列选下标8 print ("y: \n", y) from sklearn.linear_model import LogisticRegression as LR from sklearn.linear_model import RandomizedLogisticRegression as RLR #建立随机逻辑回归模型，筛选变量，特征筛选用了默认阈值0.25 rlr = RLR(selection_threshold=0.25) #训练模型 rlr.fit(x, y) #获取特征筛选结果，也可以通过.scores_方法获取各个特征的分数 rlr.get_support() print(u'通过随机逻辑回归模型筛选特征结束') print(u'有效特征为：%s' % ','.join(data.drop('违约', axis=1).columns[rlr_support])) x = data[data.drop('违约', axis=1).columns[rlr_support]].as_matrix() #筛选好特征 lr = LR() #建立逻辑回归模型 lr.fit(x, y) #用筛选后的特征数据来训练模型 print(u'逻辑回归模型训练结束') print(u'模型的平均正确率为：%s' % lr.score(x, y)) #给出模型的平均正确率 #用测试集预测 te = pd.read_excel("c:/2018/2017myjb.xlsx") print (te) # 8个属性 xte =te.iloc[:, :8].as_matrix() # 第九列 结果标签 yte= te.iloc[:, 8].as_matrix() #筛选特征 xte1 = te[te.drop('违约', axis=1).columns[rlr.get_support()]].as_matrix() #预测 pte=lr.predict(xte1) print (pte)我们将得到如下的输出结果：
参考图3，我们看到利用逻辑回归分析从2016年某银行历史数据的客户属性中筛选出有效特征：工龄、地址、负债率、信用卡负债，利用这些特征值去构建风险控制模型，模型的平均正确率为81.71%，模型的平均正确率处于较高的水平，因此我们可以采用模型。拿建立模型对同样模板但假设我们不知道客户的违约情况的2017年某银行历史数据进行预测分析，图中1代表预测2017年某银行历史数据中某客户可能会有违约情况发生，0代表预测2017年某银行历史数据中某客户可能不会有违约情况发生。为了评估模型是否可行，我们进行2017年某银行历史数据预测的违约结果与真实结果进行误差比较。继续加上下面这段代码运行。
#二元分类法 from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei"] #用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False #用来正常显示负号 confusion_matrix = confusion_matrix(yte,pte) print(confusion_matrix) plt.matshow(confusion_matrix) plt.colorbar() plt.ylabel(u"实际类型") plt.xlabel(u"预测类型") plt.show()
图4.预测结果与真实结果比较
为了方便分析，将上图的结果进行表格统计分析
从上表中，我们可以看到2017年某银行历史数据（预测集）一共有480+37+92+91=700条数据，能正确预测客户是否违约的有480+91=571条，占总数据比例为81.57%，不能正确预测客户是否违约的有37+92=129条，占总数据比例为18.43%，其中有37个“实际不违约”的客户被系统错误判断为“预测违约”，有92个“实际违约”客户被系统错误判断为“预测不违约”。我们可以发现对2017年某银行历史数据的违约预测结果与真实结果比较相差不是很大，说明我们建立的风险控制模型是可行的 。就可以建立风险模型对未来2018年的某银行数据进行客户预测是否会有违约情况后决定是否贷款，当输出结果为1时预测客户可能会有违约情况发生，为了避免风险可以决定不贷款给该用户。当输出结果为0时预测客户可能不会有违约情况发生，相对违约可能性会比较小可以决定贷款给该用户。