极客时间已完结课程限时免费阅读

39丨数据挖掘实战（1）：信用卡违约率分析

39丨数据挖掘实战（1）：信用卡违约率分析-极客时间

39丨数据挖掘实战（1）：信用卡违约率分析

2019-03-13 陈旸 来自北京
《数据分析实战45讲》
课程介绍

讲述：陈旸

时长08:06大小7.42M

今天我来带你做一个数据挖掘的项目。在数据挖掘的过程中，我们经常会遇到一些问题，比如：如何选择各种分类器，到底选择哪个分类算法，是 SVM，决策树，还是 KNN？如何优化分类器的参数，以便得到更好的分类准确率？
这两个问题，是数据挖掘核心的问题。当然对于一个新的项目，我们还有其他的问题需要了解，比如掌握数据探索和数据可视化的方式，还需要对数据的完整性和质量做评估。这些内容我在之前的课程中都有讲到过。
今天的学习主要围绕下面的三个目标，并通过它们完成信用卡违约率项目的实战，这三个目标分别是：
创建各种分类器，包括已经掌握的 SVM、决策树、KNN 分类器，以及随机森林分类器；
掌握 GridSearchCV 工具，优化算法模型的参数；
使用 Pipeline 管道机制进行流水线作业。因为在做分类之前，我们还需要一些准备过程，比如数据规范化，或者数据降维等。

构建随机森林分类器

在算法篇中，我主要讲了数据挖掘十大经典算法。实际工作中，你也可能会用到随机森林。
随机森林的英文是 Random Forest，英文简写是 RF。它实际上是一个包含多个决策树的分类器，每一个子分类器都是一棵 CART 分类回归树。所以随机森林既可以做分类，又可以做回归。当它做分类的时候，输出结果是每个子分类器的分类结果中最多的那个。你可以理解是每个分类器都做投票，取投票最多的那个结果。当它做回归的时候，输出结果是每棵 CART 树的回归结果的平均值。
在 sklearn 中，我们使用 RandomForestClassifier() 构造随机森林模型，函数里有一些常用的构造参数：
当我们创建好之后，就可以使用 fit 函数拟合，使用 predict 函数预测。

使用 GridSearchCV 工具对模型参数进行调优

在做分类算法的时候，我们需要经常调节网络参数（对应上面的构造参数），目的是得到更好的分类结果。实际上一个分类算法有很多参数，取值范围也比较广，那么该如何调优呢？
Python 给我们提供了一个很好用的工具 GridSearchCV，它是 Python 的参数自动搜索模块。我们只要告诉它想要调优的参数有哪些以及参数的取值范围，它就会把所有的情况都跑一遍，然后告诉我们哪个参数是最优的，结果如何。
使用 GridSearchCV 模块需要先引用工具包，方法如下：
from sklearn.model_selection import GridSearchCV
然后我们使用 GridSearchCV(estimator, param_grid, cv=None, scoring=None) 构造参数的自动搜索模块，这里有一些主要的参数需要说明下：
构造完 GridSearchCV 之后，我们就可以使用 fit 函数拟合训练，使用 predict 函数预测，这时预测采用的是最优参数情况下的分类器。
这里举一个简单的例子，我们用 sklearn 自带的 IRIS 数据集，采用随机森林对 IRIS 数据分类。假设我们想知道 n_estimators 在 1-10 的范围内取哪个值的分类结果最好，可以编写代码：
# -*- coding: utf-8 -*-
# 使用RandomForest对IRIS数据集进行分类
# 利用GridSearchCV寻找最优参数
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
rf = RandomForestClassifier()
parameters = {"n_estimators": range(1,11)}
iris = load_iris()
# 使用GridSearchCV进行参数调优
clf = GridSearchCV(estimator=rf, param_grid=parameters)
# 对iris数据集进行分类
clf.fit(iris.data, iris.target)
print("最优分数： %.4lf" %clf.best_score_)
print("最优参数：", clf.best_params_)
运行结果如下：
最优分数： 0.9667
最优参数： {'n_estimators': 6}
你能看到当我们采用随机森林作为分类器的时候，最优准确率是 0.9667，当 n_estimators=6 的时候，是最优参数，也就是随机森林一共有 6 个子决策树。

使用 Pipeline 管道机制进行流水线作业

做分类的时候往往都是有步骤的，比如先对数据进行规范化处理，你也可以用 PCA 方法（一种常用的降维方法）对数据降维，最后使用分类器分类。
Python 有一种 Pipeline 管道机制。管道机制就是让我们把每一步都按顺序列下来，从而创建 Pipeline 流水线作业。每一步都采用 (‘名称’, 步骤) 的方式来表示。
我们需要先采用 StandardScaler 方法对数据规范化，即采用数据规范化为均值为 0，方差为 1 的正态分布，然后采用 PCA 方法对数据进行降维，最后采用随机森林进行分类。
具体代码如下：
from sklearn.model_selection import GridSearchCV
pipeline = Pipeline([
('scaler', StandardScaler()),
('pca', PCA()),
('randomforestclassifier', RandomForestClassifier())
])
那么我们现在采用 Pipeline 管道机制，用随机森林对 IRIS 数据集做一下分类。先用 StandardScaler 方法对数据规范化，然后再用随机森林分类，编写代码如下：
# -*- coding: utf-8 -*-
# 使用RandomForest对IRIS数据集进行分类
# 利用GridSearchCV寻找最优参数,使用Pipeline进行流水作业
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
rf = RandomForestClassifier()
parameters = {"randomforestclassifier__n_estimators": range(1,11)}
iris = load_iris()
pipeline = Pipeline([
('scaler', StandardScaler()),
('randomforestclassifier', rf)
])
# 使用GridSearchCV进行参数调优
clf = GridSearchCV(estimator=pipeline, param_grid=parameters)
# 对iris数据集进行分类
clf.fit(iris.data, iris.target)
print("最优分数： %.4lf" %clf.best_score_)
print("最优参数：", clf.best_params_)
运行结果：
最优分数： 0.9667
最优参数： {'randomforestclassifier__n_estimators': 9}
你能看到是否采用数据规范化对结果还是有一些影响的，有了 GridSearchCV 和 Pipeline 这两个工具之后，我们在使用分类器的时候就会方便很多。

对信用卡违约率进行分析

我们现在来做一个信用卡违约率的项目，这个数据集你可以从 GitHub 上下载：https://github.com/cystanford/credit_default。
这个数据集是台湾某银行 2005 年 4 月到 9 月的信用卡数据，数据集一共包括 25 个字段，具体含义如下：
现在我们的目标是要针对这个数据集构建一个分析信用卡违约率的分类器。具体选择哪个分类器，以及分类器的参数如何优化，我们可以用 GridSearchCV 这个工具跑一遍。
先梳理下整个项目的流程：
加载数据；
准备阶段：探索数据，采用数据可视化方式可以让我们对数据有更直观的了解，比如我们想要了解信用卡违约率和不违约率的人数。因为数据集没有专门的测试集，我们还需要使用 train_test_split 划分数据集。
分类阶段：之所以把数据规范化放到这个阶段，是因为我们可以使用 Pipeline 管道机制，将数据规范化设置为第一步，分类为第二步。因为我们不知道采用哪个分类器效果好，所以我们需要多用几个分类器，比如 SVM、决策树、随机森林和 KNN。然后通过 GridSearchCV 工具，找到每个分类器的最优参数和最优分数，最终找到最适合这个项目的分类器和该分类器的参数。
基于上面的流程，具体代码如下：
# -*- coding: utf-8 -*-
# 信用卡违约率分析
import pandas as pd
from sklearn.model_selection import learning_curve, train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.metrics import accuracy_score
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
from matplotlib import pyplot as plt
import seaborn as sns
# 数据加载
data = data = pd.read_csv('./UCI_Credit_Card.csv')
# 数据探索
print(data.shape) # 查看数据集大小
print(data.describe()) # 数据集概览
# 查看下一个月违约率的情况
next_month = data['default.payment.next.month'].value_counts()
print(next_month)
df = pd.DataFrame({'default.payment.next.month': next_month.index,'values': next_month.values})
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.figure(figsize = (6,6))
plt.title('信用卡违约率客户\n (违约：1，守约：0)')
sns.set_color_codes("pastel")
sns.barplot(x = 'default.payment.next.month', y="values", data=df)
locs, labels = plt.xticks()
plt.show()
# 特征选择，去掉ID字段、最后一个结果字段即可
data.drop(['ID'], inplace=True, axis =1) #ID这个字段没有用
target = data['default.payment.next.month'].values
columns = data.columns.tolist()
columns.remove('default.payment.next.month')
features = data[columns].values
# 30%作为测试集，其余作为训练集
train_x, test_x, train_y, test_y = train_test_split(features, target, test_size=0.30, stratify = target, random_state = 1)
# 构造各种分类器
classifiers = [
SVC(random_state = 1, kernel = 'rbf'),
DecisionTreeClassifier(random_state = 1, criterion = 'gini'),
RandomForestClassifier(random_state = 1, criterion = 'gini'),
KNeighborsClassifier(metric = 'minkowski'),
]
# 分类器名称
classifier_names = [
'svc',
'decisiontreeclassifier',
'randomforestclassifier',
'kneighborsclassifier',
]
# 分类器参数
classifier_param_grid = [
{'svc__C':[1], 'svc__gamma':[0.01]},
{'decisiontreeclassifier__max_depth':[6,9,11]},
{'randomforestclassifier__n_estimators':[3,5,6]} ,
{'kneighborsclassifier__n_neighbors':[4,6,8]},
]
# 对具体的分类器进行GridSearchCV参数调优
def GridSearchCV_work(pipeline, train_x, train_y, test_x, test_y, param_grid, score = 'accuracy'):
response = {}
gridsearch = GridSearchCV(estimator = pipeline, param_grid = param_grid, scoring = score)
# 寻找最优的参数 和最优的准确率分数
search = gridsearch.fit(train_x, train_y)
print("GridSearch最优参数：", search.best_params_)
print("GridSearch最优分数： %0.4lf" %search.best_score_)
predict_y = gridsearch.predict(test_x)
print("准确率 %0.4lf" %accuracy_score(test_y, predict_y))
response['predict_y'] = predict_y
response['accuracy_score'] = accuracy_score(test_y,predict_y)
return response
for model, model_name, model_param_grid in zip(classifiers, classifier_names, classifier_param_grid):
pipeline = Pipeline([
('scaler', StandardScaler()),
(model_name, model)
])
result = GridSearchCV_work(pipeline, train_x, train_y, test_x, test_y, model_param_grid , score = 'accuracy')
运行结果：
(30000, 25)
ID ... default.payment.next.month
count 30000.000000 ... 30000.000000
mean 15000.500000 ... 0.221200
std 8660.398374 ... 0.415062
min 1.000000 ... 0.000000
25% 7500.750000 ... 0.000000
50% 15000.500000 ... 0.000000
75% 22500.250000 ... 0.000000
max 30000.000000 ... 1.000000
[8 rows x 25 columns]
GridSearch最优参数： {'svc__C': 1, 'svc__gamma': 0.01}
GridSearch最优分数： 0.8174
准确率 0.8172
GridSearch最优参数： {'decisiontreeclassifier__max_depth': 6}
GridSearch最优分数： 0.8186
准确率 0.8113
GridSearch最优参数： {'randomforestclassifier__n_estimators': 6}
GridSearch最优分数： 0.7998
准确率 0.7994
GridSearch最优参数： {'kneighborsclassifier__n_neighbors': 8}
GridSearch最优分数： 0.8040
准确率 0.8036
从结果中，我们能看到 SVM 分类器的准确率最高，测试准确率为 0.8172。
在决策树分类中，我设置了 3 种最大深度，当最大深度 =6 时结果最优，测试准确率为 0.8113；在随机森林分类中，我设置了 3 个决策树个数的取值，取值为 6 时结果最优，测试准确率为 0.7994；在 KNN 分类中，我设置了 3 个 n 的取值，取值为 8 时结果最优，测试准确率为 0.8036。

总结

今天我给你讲了随机森林的概念及工具的使用，另外针对数据挖掘算法中经常采用的参数调优，也介绍了 GridSearchCV 工具这个利器。并将这两者结合起来，在信用卡违约分析这个项目中进行了使用。
很多时候，我们不知道该采用哪种分类算法更适合。即便是对于一种分类算法，也有很多参数可以调优，每个参数都有一定的取值范围。我们可以把想要采用的分类器，以及这些参数的取值范围都设置到数组里，然后使用 GridSearchCV 工具进行调优。
今天我们讲了如何使用 GridSearchCV 做参数调优，你可以说说你的理解，如果有使用的经验也可以分享下。
另外针对信用卡违约率分析这个项目，我们使用了 SVM、决策树、随机森林和 KNN 分类器，你能不能编写代码使用 AdaBoost 分类器做分类呢？其中 n_estimators 的取值有 10、50、100 三种可能，你可以使用 GridSearchCV 运行看看最优参数是多少，测试准确率是多少？
欢迎你在评论区与我分享你的答案，如果有问题也可以写在评论区。如果你觉得这篇文章有价值，欢迎把它分享给你的朋友或者同事。
分享给需要的人，Ta购买本课程，你将得18元
生成海报并分享

赞 9

提建议

© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
38丨数据可视化实战：如何给毛不易的歌曲做词云展示？
下一篇
40丨数据挖掘实战（2）：信用卡诈骗分析
unpreview
 写留言

精选留言(33)

  • 柚子
    2019-03-13
    老师， 使用GridSearchCV 工具多次执行每次结果都不一样，是怎么判定最优分数就是0.9667，最优参数就是6呢？
    共 4 条评论
    31
  • 西湖晨曦
    2019-09-03
    我是银行信用卡部的从业人员，也很喜欢数据分析。 但是看了这个案例，感觉这个案例能够给信用卡的数据分析带来什么呢？我的意思是，能够分析出什么问题吗？银行信用卡部应该在持卡人用卡的什么阶段开始开始要采取措施防止诈骗？什么类型的客户容易诈骗？---感觉这个案例就是从数字到数字，没有能够给真实业务带来什么帮助。 -----也想对从事数据分析的人员提个醒，数据分析不是从纯数字到纯数字的纯学术研究，应该是联系实际工作，能够给实际工作带来帮助的啊！联系到此案例，应该是能够给银行信用卡部的防欺诈工作带来提升的啊~分析了什么出来？银行的哪个环节应该提升以防止欺诈？
    展开

    作者回复: 用数据分析做分类预测，也就是遇到了其他的用户数据，通过模型进行分类预测，我们有多少准确率可以预测出来他是否是欺诈用户。

    共 8 条评论
    25
  • vortual
    2019-03-13
    老师，实际工作中数据量大的话跑个模型应该要不少时间，应该不允许这么去试所有参数和那么多算法吧？还有一个疑问是数据量超过一定量是不是要用深度学习了？希望老师能解惑下

    作者回复: 深度学习 是帮你发现一些不太明显（线性情况下不容易）发现的规律。有时候 你可以先用机器学习得到一个baseline，然后再考虑用 NN模型，毕竟深度模型计算量大，有时候还需要GPU

    14
  • CR77
    2020-04-05
    在做的时候又如下问题，我觉得需要注意： 第一、PAY_0到PAY_6经典指标性的特征，但是具体什么意义不知道，个人认为不应该草草的归一化。 第二，每月账单金额体现的是客户的消费水平，每月的还款金额体现的是客户的实际经济情况（当然不排除那些，有钱但是不还款的情况），所以我想能不能将（每月的账单金额 - 每月的还款金额）设置为一个新的特征，可能能更加贴近用户的实际经济情况。 第三，是否需要采用下采样？因为毕竟正负样本的比例是有一定的差距的，我们模型训练出来的效果并不是很好是不是有关系 第四，问题的实际意义的分析，这是一个违约率的数据挖掘，更多的可以说是一种分析，我们得到的结果是什么，是一个新的客户在产生种种交易之后，他违约的可能，这是我能想到的意义，放到商业上的话我们实际上是要做出怎么样的决策呢？
    展开

    作者回复: 1. 是否需要归一化，取决于所使用的模型。如果是树模型，只在意他们的相对大小不在意实际距离，其实可以不归一化。 2. 不错的想法，可以尝试下。 3. 下采样是解决样本极度不均衡的常用方法，有同学也确实得到了不错的效果，可以尝试下。 4. 在实际应用中，可以利用该模型对高风险客户的额度进行限制，也可以用来限制他们的贷款等等。

    共 2 条评论
    5
  • 王彬成
    2019-03-13
    GridSearch最优参数： {'n_estimators': 10} GridSearch最优分数： 0.8187 准确率 0.8129 -----代码------ # -*- coding: utf-8 -*- # 信用卡违约率分析 import pandas as pd from sklearn.model_selection import learning_curve, train_test_split,GridSearchCV from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline from sklearn.metrics import accuracy_score from sklearn.ensemble import AdaBoostClassifier from matplotlib import pyplot as plt import seaborn as sns # 数据加载 data=data=pd.read_csv('./credit_default-master/UCI_Credit_Card.csv') # 数据探索 print(data.shape) # 查看数据集大小 print(data.describe()) # 数据集概览 # 查看下一个月违约率的情况 next_month = data['default.payment.next.month'].value_counts() print(next_month) df = pd.DataFrame({'default.payment.next.month': next_month.index,'values': next_month.values}) plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.figure(figsize = (6,6)) plt.title('信用卡违约率客户\n (违约：1，守约：0)') sns.set_color_codes("pastel") sns.barplot(x = 'default.payment.next.month', y="values", data=df) locs, labels = plt.xticks() plt.show() # 特征选择，去掉ID字段、最后一个结果字段即可 data.drop(['ID'], inplace=True, axis =1) #ID这个字段没有用 target = data['default.payment.next.month'].values columns = data.columns.tolist() columns.remove('default.payment.next.month') features = data[columns].values # 30%作为测试集，其余作为训练集 train_x, test_x, train_y, test_y = train_test_split(features, target, test_size=0.30, stratify = target, random_state = 1) #分类器 ada=AdaBoostClassifier( random_state=1) #需要调整的参数 parameters={'n_estimators':[10,50,100]} # 使用 GridSearchCV 进行参数调优 clf=GridSearchCV(estimator=ada,param_grid=parameters,scoring = 'accuracy') clf.fit(train_x,train_y) print("GridSearch最优参数：", clf.best_params_) print("GridSearch最优分数： %0.4lf" %clf.best_score_) predict_y=clf.predict(test_x) print("准确率 %0.4lf" %accuracy_score(test_y, predict_y))
    展开

    作者回复: Good Job

    共 2 条评论
    5
  • 跳跳
    2019-03-13
    1.对GridSearchCV的理解：就是在之前的经验的基础上选择了一些较好的取值备选，然后分别去试，得到一个好的性能。比直接选择参数多了一些保障，但是也增加一些计算负担。 2.在老师代码的基础上添加了adaboost分类，使用adaboost默认的分类器，结果是在n_estimators=10的时候取得最优性能，准确率是0.8187 GridSearch 最优参数： {'AdaBoostClassifier__n_estimators': 10} GridSearch 最优分数： 0.8187 准确率 0.8129
    展开

    作者回复: 对的 给一个范围让GridSearchCV 利用穷举找到最优

    5
  • third
    2019-03-20
    提问：老是出现futureWarning,是什么情况 GridSearch最优参数： {'n_estimators': 10} GridSearch最优分数： 0.8187 准确率 0.8129

    作者回复: 可以屏蔽 warning

    共 2 条评论
    4
  • 王彬成
    2019-03-13
    使用 Pipeline 管道机制的优势，参考资料： https://www.jianshu.com/p/9c2c8c8ef42d https://blog.csdn.net/qq_41598851/article/details/80957893 个人理解： Pipeline是将数据处理流程的共同部分提取出来，简化代码。 以本文最后的编程案例为例，共同部分是“数据规范化”和“使用数据分类算法”，将俩部分封装。 在每一次循环“算法”时，pipeline里头完成算法更新。GridSearchCV引用固定的pipeline，实则算法已经更新了。这样减少了多余代码的书写。
    展开

    作者回复: 感谢分享

    4
  • 白夜
    2019-03-13
    三万条，25个字段就要运算几分钟了，数据上亿。。。 ''' GridSearch最优参数： {'svc__C': 1, 'svc__gamma': 0.01} GridSearch最优分数： 0.8174 准确率 0.8172 68.59484457969666 s GridSearch最优参数： {'decisiontreeclassifier__max_depth': 6} GridSearch最优分数： 0.8186 准确率 0.8113 1.8460278511047363 s GridSearch最优参数： {'randomforestclassifier__n_estimators': 6} GridSearch最优分数： 0.7998 准确率 0.7994 2.297856330871582 s GridSearch最优参数： {'kneighborsclassifier__n_neighbors': 8} GridSearch最优分数： 0.8040 准确率 0.8036 154.36387968063354 s GridSearch最优参数： {'adaboostclassifier__n_estimators': 10} GridSearch最优分数： 0.8187 准确率 0.8129 13.483576774597168 s '''
    展开

    作者回复: Good Job

    共 3 条评论
    3
  • 王彬成
    2019-03-13
    ‘GridSearch最优分数’和‘预测数据准确率’是怎么理解的。以下我的理解对吗 我理解是‘GridSearch最优分数’是从【训练数据】中得到的最优准确率。 而‘预测数据准确率’是利用最优模型，分析【测试数据】得到的准确率。
    2
  • JingZ
    2019-03-13
    # 信用卡违约率分析 KNN相比较而言，跑得最慢了点 from sklearn.ensemble import AdaBoostClassifier # 构造各种分类器 AdaBoostClassifier(random_state=1) # 分类器名称 'adaboostclassifier' # 分类器参数 {'adaboostclassifier__n_estimators': [10, 50, 100]} 结果： GridSearch 最优分数：0.8187 GridSearch 最优参数: {'adaboostclassifier__n_estimators': 10} 准确率 0.8129
    展开
    2
  • William～Zhang
    2020-03-18
    使用gridsearchcv的时候，比如算法模型有n个参数，那么param_grid这个字典是不是应该对应写上参数的名称，但是在文章中，老师好像在前面还加上了模型名称比如svc__gamma
    1
  • 建强
    2020-03-10
    加入AdaBoost分类器后，输出的结果如下： GridSearch最优参数： {'svc__C': 1, 'svc__gamma': 0.01} GridSearch最优分数： 0.8174 准确率 0.8172 GridSearch最优参数： {'decisiontreeclassifier__max_depth': 6} GridSearch最优分数： 0.8186 准确率 0.8113 GridSearch最优参数： {'randomforestclassifier__n_estimators': 6} GridSearch最优分数： 0.7998 准确率 0.7994 GridSearch最优参数： {'kneighborsclassifier__n_neighbors': 8} GridSearch最优分数： 0.8040 准确率 0.8036 GridSearch最优参数： {'adaboostclassifier__n_estimators': 10} GridSearch最优分数： 0.8187 准确率 0.8129 AdaBoost的n_estimators最佳值是10，准确率较高，仅次于支持向量机（SVC)算法
    展开
    1
  • 一纸书
    2019-11-22
    勉勉强强看懂,但心知若让我在一片空白的python文件中,完全独立完成这个项目;我做不到;

    作者回复: 慢慢来啊~ 大家都是逐渐积累起来的，加油

    1
  • 滢
    2019-04-24
    旸老师，想请教几个问题：1.为何执行多次 最优分数是一定的 0.9667 但是最优参数，n_estimators 每次都不一样，这是什么原因？2.随机森林是不是正好与AdaBoost相反，都数据集成模式，一个是集成里的投票模式，一个是学习模式。这样理解正确吗？

    作者回复: 很好的洞察，随机森林和AdaBoost都是集成学习方法， Random Forest是Bagging方式，AdaBoost是Boosting方法。Bagging就是投票模型

    1
  • Geek_dancer
    2019-03-30
    我发现：classifier_param_grid的keys必须严格按照'classifier_names'+'__'+'classifier_param_name'的格式来写
    1
  • 方便面超人
    2022-11-04 来自北京
    完全看不懂是怎么回事
  • 静心
    2021-12-07
    像'svc__C':[1]、decisiontreeclassifier__max_depth、randomforestclassifier__n_estimators、kneighborsclassifier__n_neighbors这样的格式的规律是什么？没搞明白。
  • 小晨
    2021-03-15
    用32位的python在执行kneighborsclassifier分类器时，会报内存错误：numpy.core._exceptions.MemoryError: Unable to allocate 1.00 GiB for an array with shape (6391, 21000) and data type float64 老师有无办法将numpy数据类型float64改为float16或float32呢？或是其他办法解决 ///重装64位，全部库需要重装///

    作者回复: arr.astype(np.float32) 可以将数组从float64修改为float32的数据类型，float16同理

    共 2 条评论
  • 赵宁
    2020-12-30
    请问“客户还款情况”字段里的值分别代表什么意思？

    作者回复: 比如：PAY_0 代表2005年9月还款情况(-1=按期还款，1=拖欠一个月，2=拖欠两个月，…8=拖欠八个月，9=拖欠九个月及以上) PAY_0 至 PAY_6，分别代表2005年9月-2005年4月每个月的还款情况，具体特征值含义如上。