0
点赞
收藏
分享

微信扫一扫

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户

项目背景:银行的主要盈利业务靠的是贷款,这些客户中的大多数是存款大小不等的责任客户(存款人)。银行拥有不断增长的客户。该银行希望增加借款人(资产客户),开展更多的贷款业务,并通过贷款利息赚取更多利润。因此,银行希望将负债的客户转换为个人贷款客户。(同时保留他们作为存款人)。该银行去年针对负债客户开展的一项活动显示,成功实现了9%以上的成功转化率。该部门希望建立一个模型,来帮助他们确定购买贷款可能性更高的潜在客户。可以增加成功率,同时降低成本。

数据集

下面给出的文件包含5000个客户的数据。数据包括客户人口统计信息(年龄,收入等),客户与银行的关系(抵押,证券账户等)以及客户对上次个人贷款活动的因变量(个人贷款)。在这5000个客户中,只有480个(= 9.6%)接受了先前活动中提供给他们的个人贷款

data.head()

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据

data.columns

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_02

属性信息

属性可以相应地划分:

  • 变量 ID 一个人的客户ID与贷款之间没有关联,也无法为将来的潜在贷款客户提供任何一般性结论。我们可以忽略此信息进行模型预测。

二进制类别具有五个变量,如下所示:

  • 个人贷款-该客户是否接受上一个广告系列提供的个人贷款? 这是我们的目标变量
  • 证券帐户-客户在银行是否有证券帐户?
  • CD帐户-客户在银行是否有存款证明(CD)帐户?
  • 网上银行-客户是否使用网上银行?
  • 信用卡-客户是否使用银行发行的信用卡?

数值变量如下:

  • 年龄-客户的年龄
  • 工作经验
  • 收入-年收入(元)
  • CCAvg-平均信用卡消费
  • 抵押-房屋抵押价值

有序分类变量是:

  • 家庭-客户的家庭人数
  • 教育程度-客户的教育程度

标称变量是:

  • ID
  • 邮政编码

data.shape

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_03

data.info()

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_04

  1.  # 文件中没有列有空数据
  2.  data.apply(lambda x : sum(x.isnull()))

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_05

  1.  # 对数据进行目测
  2.  data.describe().transpose()

 

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_06

  1.  #查看有多少不同数据
  2.  data.apply(lambda x: len(x.unique()))

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_07

两两变量散点图

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_08

  • 年龄 特征通常是分布的,大多数客户年龄在30岁到60岁之间。
  • 经验 大多分布在8年以上经验的客户。这里的 平均值 等于中 位数。有负数 。这可能是数据输入错误,因为通常无法衡量负面的工作经验。我们可以删除这些值,因为样本中有3或4条记录。
  • 收入出现 正偏斜。大多数客户的收入在45,000到55K之间。我们可以通过说平均值 大于 中位数来确认这一点 
  • CCAvg 也是一个正偏变量,平均支出在0K到10K之间,大多数支出不到2.5K
  • 抵押 70%的人的抵押贷款少于4万。但是最大值为635K
  • 家庭和教育变量是序数变量。家庭分布均匀

有52条记录经验为负数。在进一步进行之前,我们需要对这些记录进行清理

  1.  data[data['Experience'] < 0]['Experience'].count()
  2.   

52

  1.  #清理负数变量
  2.  dfExp = data.loc[data['Experience'] >0]
  3.  data.loc[negExp]['ID'].tolist() # 得到有负数经验的客户ID

有52条负面经验的记录

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_09

以下代码执行以下步骤:

  • 对于具有ID的记录,获取​​Age​​ column的值 
  • 对于具有ID的记录,获取​​Education​​ column的值 
  • 从具有正数经验的记录的数据框中过滤符合以上条件的记录,并取中位数
  • 将中位数填充原本负数经验的位置
  1.   
  2.  data.loc[np.where(['ID']==id)]["Education"].tolist()[0]
  3.  df_filtered['Experience'].median()
  4.  # 检查是否有负数经验的记录
  5.  data[data['Experience'] < 0]['Experience'].count()
  6.   

0

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_10

收入和教育对个人贷款的影响

boxplot(x='Education',y='Income',data=data)

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_11

观察 :看来教育程度为1的客户收入更高。但是,接受了个人贷款的客户的收入水平相同

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_12

推论 :从上图可以看出,没有个人贷款的客户和拥有个人贷款的客户的抵押贷款较高。

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_13

观察 :大多数没有贷款的客户都有证券账户

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_14

观察:家庭人数对个人贷款没有任何影响。但是似乎3岁的家庭更有可能借贷。考虑未来的推广活动时,这可能是一个很好的观察结果。

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_15

观察:没有CD帐户的客户,也没有贷款。这似乎占多数。但是几乎所有拥有CD帐户的客户也都有贷款

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_16

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_17

观察:该图显示有个人贷款的人的信用卡平均费用更高。平均信用卡消费中位数为3800元,表明个人贷款的可能性更高。较低的信用卡支出(中位数为1400元)不太可能获得贷款。这可能是有用的信息。

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_18

观察 上图显示与经验和年龄呈正相关。随着经验的增加,年龄也会增加。颜色也显示教育程度。四十多岁之间存在差距,大学以下的人也更多

  1.  # 与热图的关联性
  2.   
  3.  corr = data.corr()
  4.  plt.figure(figsize=(13,7))
  5.  # 创建一个掩码,以便我们只看到一次相关的值
  6.   
  7.  a = sns.heatmap(corr,mask=mask, annot=True, fmt='.2f')

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_19

观察

  • 收入和CCAvg呈中等相关。
  • 年龄和工作经验高度相关

sns.boxplot

看下面的图,收入低于10万的家庭比高收入的家庭更不可能获得贷款。

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_20

应用模型

将数据分为训练集和测试集

  1.  train_labels = train_set
  2.  test_labels = test_set

决策树分类器

DecisionTreeClassifier(class_weight=None, criterion='entropy', ...)

dt_model.score

0.9773333333333334

dt_model.predict(test_set)

预测

array([0, 0, 0, 0, 0])

查看测试集 

test_set.head(5)

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_21

朴素贝叶斯

  1.  naive_model.fit(train_set, train_labels)
  2.  naive_model.score

0.8866666666666667

随机森林分类器

RandomForestClassifier(max_depth=2, random_state=0)

Importance.sort_values

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_22

randomforest_model.score(test_set,test_labels)

0.8993333333333333

KNN(K-最近邻居)

  1.  data.drop(['Experience' ,'ID'] , axis = 1).drop(labels= "PersonalLoan" , axis = 1)
  2.  train_set_dep = data["PersonalLoan"]
  3.   
  4.  acc = accuracy_score(Y_Test, predicted)
  5.  print(acc)

0.9106070713809206

模型比较

  1.   
  2.  for name, model in models:
  3.  kfold = model_selection.KFold(n_splits=10)
  4.  cv_results = model_selection.cross_val_score(model, X, y, cv, scoring)
  5.   
  6.   
  7.  # 箱线图算法的比较
  8.  plt.figure()

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_23

 

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_数据_24

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_随机森林_25

结论

通用银行的目的是将负债客户转变为贷款客户。他们想发起新的营销活动;因此,他们需要有关数据中给出的变量之间的有联系的信息。本研究使用了四种分类算法。从上图可以看出,随机森林 算法似乎 具有最高的精度,我们可以选择它作为最终模型。

拓端tecdat|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户_中位数_26

举报

相关推荐

0 条评论