Loan Predict - Python数据分析实战

一、题意描述

Loan Predict 题目链接
Loan Predict Problem讲述了一个根据贷款申请者提供的一些个人信息,来预测是否能通过贷款申请的问题。题目提供了trian、test数据及需提交结果的数据格式。

部分train和test数据

数据格式

二、数据分析

先提出数据对结果影响的假设,运用python numpy、seaborn、pandas等模块可视化数据,确定关系。

  • Salary: Applicants with high income should have more chances of loan approval.
  • Previous history: Applicants who have repayed their previous debts should have higher chances of loan approval.
  • Loan amount: Loan approval should also depend on the loan amount. If the loan amount is less, chances of loan approval should be high.
  • Loan term: Loan for less time period and less amount should have higher chances of approval.
  • EMI: Lesser the amount to be paid monthly to repay the loan, higher the chances of loan approval.
    数据分析主要包括单变量、二变量、缺失值填充和异常值纠正等。

1、Univariate Analysis

对离散型变量
plt.figure(1) 
plt.subplot(131)
train['Dependents'].value_counts(normalize=True).plot.bar(figsize=(24,6),title='Dependents')
plt.subplot(132) 
train['Education'].value_counts(normalize=True).plot.bar(title='Education')
plt.subplot(133)
train['Property_Area'].value_counts(normalize=True).plot.bar(title='Property_Area')
plt.show()
Categorical Vs Analysis
对连续型变量
plt.figure(1) 
plt.subplot(141) 
df=train.dropna() 
sns.distplot(df['LoanAmount']);
plt.subplot(142)
train['LoanAmount'].plot.box(figsize=(16, 5))
Continous Vs Analysis

2、Bivariate Analysis

train['Total_Income']=train['ApplicantIncome']+train['CoapplicantIncome']
bins=[0, 2500,4000,6000,81000]
group=['low','average','high','very high']
train['Total_Income_bin']=pd.cut(train['Total_Income'],bins,labels=group)
Total_Income_bin=pd.crosstab(train['Total_Income_bin'],train['Loan_Status'])
Total_Income_bin.div(Total_Income_bin.sum(1).astype(float),axis=0).plot(kind='bar',stacked=True)
plt.xlabel('TotalIncome')
plt.ylabel('Persentage')

上面的例子分析了applicant和coapplicant的收入情况是否对申请有影响。


TotalIncome与Loan_Status关系

能从图中看出总收入低对申请贷款有不利影响。

3、Missing Value and Outlier Treatment

Missing Value
train.isnull().sum()   #查看各列缺失值个数

根据情况采用如下补全缺失值方式

  1. For numerical variables: imputation using mean or median
  2. For categorical variables: imputation using mode
    例如:
train['Credit_History'].fillna(train['Credit_History'].mode()[0], inplace=True)
train['LoanAmount'].fillna(train['LoanAmount'].median(), inplace=True)
Outlier

一般这样的值对整个样本的平均值和标准差影响巨大

train['LoanAmount_log'] = np.log(train['LoanAmount']) 
train['LoanAmount_log'].hist(bins=20) 
test['LoanAmount_log'] = np.log(test['LoanAmount'])
Outlier Treatment

三、模型建立

首先需要把train和test数据集里无关的数据删掉,比如Loan_ID字段。然后将剩下的feature作为X向量,y作为分类结果。

X = train.drop('Loan_Status',1) 
y = train.Loan_Status
X=pd.get_dummies(X) 
train=pd.get_dummies(train) 
test=pd.get_dummies(test)

这次练习用到了cross validation,即从train数据中分出30%作为交叉验证的数据集。

from sklearn.model_selection import train_test_split
x_train, x_cv, y_train, y_cv = train_test_split(X,y, test_size =0.3)
from sklearn.linear_model import LogisticRegression 
from sklearn.metrics import accuracy_score
model = LogisticRegression() 
model.fit(x_train, y_train)

整个模型就建立起来了,用它来做预测,最后得到的准确率有81%左右。

pred_cv = model.predict(x_cv)
accuracy_score(y_cv,pred_cv)

对一个二分类问题来说,这样的准确率肯定是不够的,所以还应该从特征分析,算法选择等多种思路上进行优化。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,376评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,126评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,966评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,432评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,519评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,792评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,933评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,701评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,143评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,488评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,626评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,292评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,896评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,977评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,324评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,494评论 2 348