当某人向某人或某个组织借钱时,在金融术语中称为贷款。批准贷款不是一件容易的工作,有一些程序取决于这个人是否有资格。通过机器学习,人们可以预测出借人是否会违约。在当今的技术领域,机器学习就像一块炙手可热的蛋糕。说出一个东西,机器学习就能回答大多数问题。从人脸检测到车道检测再到推荐产品,机器学习的应用无处不在。
摘要目的:
这个问题的目标是找出哪些客户将有能力偿还债务,哪些客户可能无法偿还债务。显然,我们必须在这里创建一个分类模型。我们必须使用逻辑回归、决策树或随机森林等算法。我们需要创建一个精确的模型,错误率应该更低。
机器学习工具包将发送给您,您可以学习和构建使用教程。你今天就可以免费开始了!
将会用到的概念:
实现:
1.从kaggle下载贷款预测数据集。
2.导入必要的python库。进口numpy, matplotli,熊猫和海运。代码如下所示。
将numpy导入为np
进口熊猫作为pd
进口matplotlib。pyplot作为plt
以sns形式海运进口
为了简单起见,我们用别名重新命名了库。
3.读取测试数据集和训练数据集。数据集必须分成两部分。一个是训练数据集,另一个是训练数据集。最好将80%作为训练集,20%作为测试数据集。
df_train = pd.read_csv(“training.csv”)
df_test = pd.read_csv(“test.csv”)
4.检查是否缺少值。删除此项目中不需要的行和列。
5.还可以修复数据集中不存在的值或具有空值的值。
6.现在让我们可视化数据。在x轴上,我们将绘制计数在y轴上,我们将绘制性别。代码如下所示。
Sns。Countplot (y = ' gender ', hue = ' loan ', data = df_train)。现在,对数据集中的婚姻、年龄、就业状况、信用记录和其他数据(字段)继续执行相同的过程。只要相应地改变y轴,而x轴保持不变。信用记录包括客户以前的贷款数据,无论此人在以前的交易中是否违约。
7.逻辑回归用于结果为二叉类型(0或1)的问题。决策树也用于分类问题。逻辑回归的准确率为77%,而决策树的准确率为64%。因此,您应该使用逻辑回归来获得更准确的结果。
结论:
预测一个人是否有能力手动偿还债务是一项很累人的工作,而且并不总是像我们使用机器学习时那样准确。
2022世界杯亚洲区赛程表时间Skyfi实验室帮助学生学习实用的技能通过构建真实的项目。
你可以和朋友一起报名,并在家门口领取工具包
你可以向专家学习,建立可行的项目,向世界展示技能,获得最好的工作。
今天开始!
加入来自36个以上国家的25万多名学生,通过建设项目培养实践技能
24小时内发货。使用在线教程进行构建。
保持更新,并基于最新的技术构建项目