AdaBoost信用卡精准营销模型
发布时间：2021-12-04
付费文章：2.0元
AdaBoost信用卡精准营销模型
模型搭建
1.读取数据
import pandas as pd
df = pd.read_excel('数据集见本页底.xlsx')
df.head()年龄 月收入（元） 月消费（元） 性别 月消费/月收入 响应 0 30 7275 6062 0 0.833265 1 1 25 17739 13648 0 0.769378 1 2 29 25736 14311 0 0.556069 1 3 23 14162 7596 0 0.536365 1 4 27 15563 12849 0 0.825612 1
2.提取特征变量和目标变量
X = df.drop(columns='响应')
y = df['响应']3.划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)4.模型训练及搭建
from sklearn.ensemble import AdaBoostClassifier
clf = AdaBoostClassifier(random_state=123)
clf.fit(X_train, y_train)
AdaBoostClassifier(algorithm='SAMME.R', base_estimator=None,
learning_rate=1.0, n_estimators=50, random_state=123)2 模型预测及评估
1.精确度
from yellowbrick.classifier import ClassificationReport
def test(model):
visualizer = ClassificationReport(model)
visualizer.fit(X_train, y_train)
print('得分：',visualizer.score(X_test,y_test))
visualizer.poof()
test(clf)
得分： 0.85
2.ROC-AUC曲线
# 解决中文显示问题
# from yellowbrick.style.rcmod import set_aesthetic
# set_aesthetic(font = 'SimHei')
import matplotlib
matplotlib.rcParams['font.sans-serif']=['SimHei']
matplotlib.rcParams['axes.unicode_minus']=False # 用来正常显示负号
from yellowbrick.classifier import ROCAUC
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=10)
visualizer = ROCAUC(model, classes=["违约", "守信"],size=(800, 600),title="ROC-AUC曲线")
visualizer.fit(X_train, y_train)
visualizer.score(X_test,y_test)
visualizer.poof()
3.特征重要性
from yellowbrick.features.importances import FeatureImportances
viz = FeatureImportances(clf,size=(800, 600),title="AdaBoost算法分类训练特征重要性",xlabel='重要性评分')
viz.fit(X, y)
viz.poof()
4 模型参数（选学）
# # 分类模型，通过如下代码可以查看官方介绍
# from sklearn.ensemble import AdaBoostClassifier
# AdaBoostClassifier?
# # 回归模型，通过如下代码可以查看官方介绍
# from sklearn.ensemble import AdaBoostRegressor
# AdaBoostRegressor?
注1：支付宝扫下图绿码打赏后,再点击 直接获取↑
注2：如忘记保存或后续查看,可凭订单号 手动获取