现在这个社会都是处于贷款的风口!是该贷还是不贷呢?Python揭秘
决策 我们来说说什么是决策树。 决策树长得就像这个样子: 私信小编007即可获取数十套PDF哦! 之后,你就可以用模型去辅助自己做出明智的判断了。 下面我们开始动手实践。用Python做个决策树出来,辅助我们判断贷款风险。 如果一切正常,请把它移动到咱们的工作目录demo里面。 到你的系统“终端”(macOS,Linux)或者“命令提示符”(Windows)下,进入我们的工作目录demo,执行以下命令。 代码 首先,我们新建一个Python 2笔记本,起名叫做loans-tree。 为了让Python能够高效率处理表格数据,我们使用一个非常优秀的数据处理框架Pandas。 因为表格列数较多,屏幕上显示不完整,我们向右拖动表格,看表格最右边几列是否也正确读取。 经验证,数据所有列都已读入。 统计一下总行数,看是不是所有行也都完整读取进来了。 见证奇迹的时刻到了: 你可能会有些失望——忙活了半天,怎么才60%多的准确率?刚及格而已嘛。 不要灰心。因为在整个儿的机器学习过程中,你用的都是缺省值,根本就没有来得及做一个重要的工作——优化。 想想看,你买一台新手机,自己还得设置半天,不是吗?面对公司的贷款业务,你用的竟然只是没有优化的缺省模型。可即便这样,准确率也已经超过了及格线。 关于优化的问题,以后有机会咱们详细展开来聊。 你终于摆脱了实习第一天就灰溜溜逃走的厄运。我仿佛看到了一颗未来的华尔街新星正在冉冉升起。 苟富贵,无相忘哦。 讨论 贷款风险判断之外,你觉得决策树还有哪些用武之地?除了本文提到的决策树,你还知道哪几种用于分类的机器学习算法?欢迎留言分享给大家,我们一起交流讨论。 进群:125240963 ??即可获取数十套PDF哦! (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |