原文链接：http://tecdat.cn/?p=26184
在此数据集（查看文末了解数据获取方式）中，我们必须预测信贷的违约支付，并找出哪些变量是违约支付的最强预测因子？以及不同人口统计学变量的类别，拖欠还款的概率如何变化？
有25个变量：
1. ID： 每个客户的ID
2. LIMIT_BAL： 金额
3. SEX： 性别（1 =男，2 =女）
4.教育程度：（1 =研究生，2 =本科，3 =高中，4 =其他，5 =未知）
5.婚姻： 婚姻状况（1 =已婚，2 =单身，3 =其他）
6.年龄：
7. PAY_0： 2005年9月的还款状态（-1 =正常付款，1 =延迟一个月的付款，2 =延迟两个月的付款，8 =延迟八个月的付款，9 =延迟9个月以上的付款）
8. PAY_2： 2005年8月的还款状态（与上述相同）
9. PAY_3： 2005年7月的还款状态（与上述相同）
10. PAY_4： 2005年6月的还款状态（与上述相同）
11. PAY_5： 2005年5月的还款状态（与上述相同）
12. PAY_6： 还款状态2005年4月 的账单（与上述相同）
13. BILL_AMT1： 2005年9月的账单金额
14. BILL_AMT2： 2005年8月的账单金额
15. BILL_AMT3： 账单金额2005年7月 的账单金额
16. BILL_AMT4： 2005年6月的账单金额
17. BILL_AMT5： 2005年5月的账单金额
18. BILL_AMT6： 2005年4月
19. PAY_AMT1 2005年9月，先前支付金额
20. PAY_AMT2 2005年8月，以前支付的金额
21. PAY_AMT3： 2005年7月的先前付款
22. PAY_AMT4： 2005年6月的先前付款
23. PAY_AMT5： 2005年5月的先前付款
24. PAY_AMT6： 先前的付款额在2005年4月
25. default.payment.next.month： 默认付款（1 =是，0 =否）
现在，我们知道了数据集的整体结构。因此，让我们应用在应用机器学习模型时通常应该执行的一些步骤。
第1步：导入
import numpy as np import matplotlib.pyplot as plt
所有写入当前目录的结果都保存为输出。
dataset = pd.read_csv('Card.csv')
现在让我们看看数据是什么样的
第2步：数据预处理和清理
dataset.shape
(30000, 25)
意味着有30,000条目包含25列
从上面的输出中可以明显看出，任何列中都没有对象类型不匹配。
#检查数据中Null项的数量，按列计算。 dataset.isnull().sum()
步骤3.数据可视化和探索性数据分析
# 按性别检查违约者和非违约者的计数数量 sns.countplot
从上面的输出中可以明显看出，与男性相比，女性的整体拖欠付款更少
可以明显看出，那些拥有婚姻状况的人的已婚状态人的默认拖欠付款较少。
sns.pairplot
sns.jointplot
男女按年龄分布
g.map(plt.hist,'AGE')
dataset\['LIMIT_BAL'\].plot.density
步骤4.找到相关性
X.corrwith
从上图可以看出，最负相关的特征是LIMIT_BAL，但我们不能盲目地删除此特征，因为根据我的看法，这对预测非常重要。ID无关紧要，并且在预测中没有任何作用，因此我们稍后将其删除。
# 绘制热图 sns.heatmap(corr)
Python信贷风控模型：Adaboost,XGBoost,SGD, SVC,随机森林, KNN预测信贷违约支付|数据分享-2
