Python 은 Logistic 회귀 모델 링 을 바탕 으로 모 은행 이 대출 연체 율 을 낮 추고 있 는 데이터 예 시 를 계산한다.
1.Logistic 회귀 모델:
2.Logistic 회귀 모델 링 절차
1.분석 목적 에 따라 기준 변수(변수 와 독립 변수)를 설정 하고 수 집 된 데이터 에 따라 선별
2.ln(p/1-p)과 독립 변수 x1...xp 로 선형 회귀 방정식 을 표시 하고 모델 중의 회귀 계 수 를 추정 합 니 다.
3.모델 검 사 를 한다.모델 유효성 검사 의 함수 가 매우 많은 데,예 를 들 면 정확도,혼동 행렬,ROC 곡선,KS 값 이다
4.모델 응용.
3.모 은행 이 대출 연체 율 을 낮 추 는 데 이 터 를 모델 링 한다.
원본 코드:
import pandas as pd
filename=r'..\data\bankloan.xls' #
data=pd.read_excel(filename) # excel
x=data.iloc[:,:8].as_matrix() # 0-7 ，
y=data.iloc[:,8].as_matrix()
from sklearn.linear_model import LogisticRegression as LR
from sklearn.linear_model import RandomizedLogisticRegression as RLR
rlr=RLR()
rlr.fit(x,y) #
rlr.get_support() #
print(u' 。')
print(u' ：%s'%','.join(data.columns[rlr.get_support()]))
x=data[data.columns[rlr.get_support()]].as_matrix() #
lr=LR()
lr.fit(x,y)
print(u' ')
print(u' ：%s'%lr.score(x,y))
IndexError: boolean index did not match indexed array along dimension 0; dimension is 9 but corresponding boolean dimension is 8
해결 방법:새로운 매트릭스 데이터 2 를 만 들 고 마지막 줄 을 제거 하여 비트 를 일치 시 킵 니 다.
수정 후 코드 는 다음 과 같 습 니 다.
import pandas as pd
filename=r'..\data\bankloan.xls'
data=pd.read_excel(filename)
x=data.iloc[:,:8].as_matrix()
y=data.iloc[:,8].as_matrix()
from sklearn.linear_model import LogisticRegression as LR
from sklearn.linear_model import RandomizedLogisticRegression as RLR
rlr=RLR()
rlr.fit(x,y)
rlr.get_support()
print(u' 。')
data2=data.drop(u' ',1)
print(u' ：%s'%','.join(data2.columns[rlr.get_support()]))
x=data[data2.columns[rlr.get_support()]].as_matrix()
lr=LR()
lr.fit(x,y)
print(u' ')
print(u' ：%s'%lr.score(x,y))
Python 관련 내용 에 관심 이 있 는 독자 들 은 본 사이트 의 주 제 를 볼 수 있 습 니 다.
본 논문 에서 말 한 것 이 여러분 의 Python 프로 그래 밍 에 도움 이 되 기 를 바 랍 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Python의 None과 NULL의 차이점 상세 정보그래서 대상 = 속성 + 방법 (사실 방법도 하나의 속성, 데이터 속성과 구별되는 호출 가능한 속성 같은 속성과 방법을 가진 대상을 클래스, 즉 Classl로 분류할 수 있다.클래스는 하나의 청사진과 같아서 하나의 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
