Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
数据挖掘项目（一）
第一次实践数据挖掘。虚心学习。
基于机器学习的数据分析模型的建立，主要分为以下几步：数据获取->数据预处理->模型选择->数据统一化->模型建立->模型结果分析
首先要对数据进行评估，数据的大小来决定使用工具。
本数据为金融数据，目的为预测贷款用户是否会逾期。
- 导入数据
import pandas as pd
import numpy as np
df = pd.read_csv('data.csv',encoding="gbk")
df.head()
- 删除无关的特征
data1 = df.drop(['trade_no', 'bank_card_no', 'source', 'Unnamed: 0', 'id_name'], axis=1)
data1.info()
- 缺省值处理(以下参考88080917代码)
print(df.isnull().sum())
count=0
for i in range(85):
if df.isnull().sum()[i]>250:
count=count+1
print(count)
print(max(fd.isnull().sum()))
- 剔除，填充，合并
data1=data1.drop(['student_feature'], axis=1)
data1.dropna(thresh=70, inplace = True)
data_col=['loans_latest_time', 'latest_query_time', 'reg_preference_for_trad']
data2 = data1[data_col]
data3 = data1.drop(data_col, axis=1)
data3=data3.fillna(data3.mode())
reg_data=data2['reg_preference_for_trad']
data2.drop(['reg_preference_for_trad'], axis=1)
from sklearn import preprocessing
CityData = preprocessing.LabelBinarizer().fit_transform(reg_data)
CityDataFrame = pd.DataFrame(CityData, columns=["一线城市","三线城市","二线城市","其它城市","境外"])
data3.reset_index(drop=True, inplace=True)
data2.reset_index(drop=True, inplace=True)
CityDataFrame.reset_index(drop=True, inplace=True)
dataSet = pd.concat([data2, CityDataFrame, data3], axis=1)
5.将数据集切分为训练集与测试集
train, test = train_test_split(dataSet, test_size=0.3, random_state=2018)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/197076.html原文链接：https://javaforall.net
