一、设计要求
要求完成以下功能：
1．能够导入包，能够读取数据集文件audit_risk和customer上运用决策树算法进行分类预测。
2．能够将指定的信息从文件中删除。
3．能够可视化数据并将结果显示在屏幕上。
4．能够数据预处理。
5．能够数据划分、模型训练、效果评估。
6．能够进行预测病显示预测结果。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
二、设计思路
1.导入所需的库和读取数据
首先，导入需要使用的Python库，包括pandas、numpy、scikit-learn、matplotlib和seaborn。接着，使用pandas读取客户信息数据集(customer.csv)和审计风险数据集(audit_risk.csv)，并将其加载到数据框中。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import classification_report, confusion_matrix, accuracy_score import matplotlib.pyplot as plt import seaborn as sns customer_df = pd.read_csv('customer.csv') audit_risk_df = pd.read_csv('audit_risk.csv')
数据预处理
数据预处理是数据分析和机器学习中非常关键的一步。首先，检查数据集中是否存在缺失值，并使用前向填充法填充缺失值，以保证数据的完整性。接着，将客户数据中的婚姻状况和性别字段转换为数值型，以便模型能够正确处理这些分类变量。最后，确保审计风险数据集中所有特征均为数值类型，填充转换后的缺失值。
# 检查缺失值 print("客户数据缺失值:\n", customer_df.isnull().sum()) print("审计风险数据缺失值:\n", audit_risk_df.isnull().sum()) # 填充缺失值（） customer_df.fillna(method='ffill', inplace=True) # 将分类变量转换为数值变量 customer_df['marital_status'] = customer_df['marital_status'].map({'M': 1, 'S': 0}) # 确保所有数据都是数值类型 for column in audit_risk_df.columns: # 略。。。。 略。。。。 # 略。。。。 略。。。。 # 略。。。。 略。。。。 # 略。。。。 略。。。。 # 填充转换后的缺失值 audit_risk_df.fillna(method='ffill', inplace=True)
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
3.数据划分和模型训练
将审计风险数据集分为特征和标签两部分。特征包括除“Risk”外的所有列，标签为“Risk”列。然后，将数据集划分为训练集和测试集，以70%的数据作为训练集，30%的数据作为测试集。使用决策树分类算法对训练集数据进行模型训练。
# 选择特征和标签 features = audit_risk_df.drop(columns=['Risk']) labels = audit_risk_df['Risk'] # 数据划分 X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.3, random_state=42) # 构建决策树模型 # 略。。。。 略。。。。 # 预测 y_pred = clf.predict(X_test)
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
- 效果评估
使用测试集数据对训练好的模型进行预测，并生成混淆矩阵、分类报告和准确率等评估指标。通过这些评估指标，可以了解模型的预测效果和性能。
# 显示评估结果 print("混淆矩阵:\n", confusion_matrix(y_test, y_pred)) print("分类报告:\n", classification_report(y_test, y_pred)) print("准确率:", accuracy_score(y_test, y_pred))
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
三、模型预测
对数据和模型结果进行可视化展示，包括特征重要性图、混淆矩阵热图和审计风险总数分布图。这些图表可以帮助我们更直观地了解数据和模型的表现。
# 绘制特征重要性 plt.figure(figsize=(12, 8)) feature_importances = pd.Series(clf.feature_importances_, index=features.columns) feature_importances.nlargest(10).plot(kind='barh') plt.title('特征重要性') plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
# 绘制混淆矩阵 plt.figure(figsize=(8, 6)) conf_matrix = confusion_matrix(y_test, y_pred) sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues') plt.title('混淆矩阵') plt.xlabel('预测值') plt.ylabel('实际值') plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
绘制审计风险总数的分布
根据用户指定的条件删除数据中的特定记录，并保存修改后的数据。以下示例代码删除年收入在$10K以下的客户，并将修改后的数据保存到新的文件中。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
# 删除指定信息 def delete_info(df, condition): return df.drop(df[condition].index) # 删除年收入在$10K以下的客户 customer_df = delete_info(customer_df, customer_df['yearly_income'] == '$10K - $30K') # 略。。。。 略。。。。 # 保存修改后的数据 customer_df.to_csv('customer_modified.csv', index=False)
预测新数据
对新数据进行预测，并展示预测结果。以下代码使用测试集的前五行数据作为新数据示例，进行预测并展示预测结果。预测结果被保存到文件中，以便用户查看和分析。
# 进行预测并显示预测结果 new_data = X_test.iloc[:5] # 这里使用测试集的前5行数据作为新数据示例 predictions = clf.predict(new_data) print("新数据的预测结果:\n", predictions) # 将结果保存到文件 result_df = pd.DataFrame(new_data) result_df['Prediction'] = predictions # 略。。。。 略。。。。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 决策树 ” 获取。👈👈👈
