本文主要介绍了如何帮助客户通过读取信贷数据（查看文末了解数据免费获取方式）、查看部分数据、转换数据为因子并将数值变量归一化、进行描述性分析、建立knn模型等步骤对数据进行分析（点击文末“阅读原文”获取完整代码数据）。

相关视频

通过分别选择不同的k值进行建模，并对比它们的准确度，找到最优的参数k。文章还介绍了如何扩大参数的范围，找到最优的k值，并绘制数据的散点图，查看每个分类的分布情况。通过图表分析，得出了模型的预测点和实际点的符合程度较好的结论。

读取数据

credit <- read.table("man.data")

查看部分数据

根据对数据集的命名和查看，可以看出数据集包含了多个变量，如checkingstatus1、duration、history等，这些变量代表了不同的个人和贷款信息。数据集的前几行展示了每个变量的取值情况，以及最后一列是目标变量"Default"，它表示了客户是否违约。这些信息对于理解数据集的结构和内容非常重要。在进一步的分析中，这些变量将被用于建立模型，以预测客户是否会违约。

转换数据为因子，并且将数值变量归一化

germalt <- factor(germanault)  
  
gemadit[sapply(germt, is.numeric)] <- lapply(gerdit[sapply(germanit, is.numeric)], scale)

对数据进行描述性分析

summary(gerdit.subset)

根据对数据进行描述性分析的结果，可以看出各个变量的分布情况。例如，duration.V1（借款周期）、amount.V1（借款金额）、installment.V1（分期付款）等变量的最小值、最大值、中位数和平均值等统计信息。通过这些统计信息，可以初步了解数据的范围和分布情况，为后续建模和分析提供基础。例如，可以看出借款周期和借款金额的方差较大，而分期付款的方差较小，这些信息对于理解数据的特点和规律具有重要意义。

knn模型

将数据分区，70%为训练集，30%为测试集，建立knn模型，然后对比模型的准确度

set.seed(111)  
test <-sample(1:nrow(germ.subset),nrow(germubset)*0.2)

然后我们分别选取，不同的k作为knn模型的参数，得到模型的结果之后，对比它们的准确度，从而选出最优的参数k。

分别对不同的参数进行建模

knn.1 <-  k train.def, k=1)  
it, train.def, k=5)  
kndef, k=20)

然后分别计算不同参数下的准确度：

##      test.def  
## knn.1  0  1  
##     0 54 11  
##     1 21 14  
  
## [1] 0.535
##      test.def  
## knn.5  0  1  
##     0 62 13  
##     1 13 12  
## [1] 0.545
##       test.def  
## knn.20  0  1  
##      0 69 13  
##      1  6 12  
## [1] 0.605

从不同的近邻数的结果来看，我们可以发现当参数为20的时候，模型的准确率最高为0.605。

因此我们可以认为最优的knn参数是20。

扩大参数的范围，使参数从2到30变化，并分别计算不同参数下的准确度，从而找到最优的参数。

acc=numeric(0)  
for(k in 2:30){
plot(acc,type="b",col="blue")

#查看最优k  
which.max(acc)+1
## [1] 2

因此，最优的k为2。

绘制数据的散点图，查看每个分类的分布情况

plot(train.germancredit[,c("amount","duration")],

图中四种颜色的点分别表示以下四个种类的用户：

图中的圆形和三角形分别代表没有信贷的用户和有信贷的用户。实心点和空心点，分别代表着预测的数据和实际的数。从散点图的结果来看空心点和实心点的覆盖重合度较高，说明模型的预测点和实际点的符合程度较好。同时可以看到不同的客户，信用等级的分类出现了不同的分布情况。三角形代表信用较好的客户，他们的借款周期一般较短，借款金额也较少。而圆形的点代表没有信贷的用户,他们的借款周期较长，借款金额较大,存在信贷危机。