Python基于低方差特征选择(VarianceThreshold)、遗传算法(TPOTRegressor)实现信用评分卡模型

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

如今，越来越多的80，90后贷款买房买车，一时之间，银行提供的贷款业务成了时代的“新宠”。银行贷款是指个人或企业向银行根据该银行所在国家政策以一定的利率将资金贷放给资金需求的个人或企业，并约定期限归还的一种经济行为。

为了降低不良贷款率，保障自身资金安全，提高风险控制水平，银行等金融机构会根据客户的信用历史资料构建信用评分卡模型给客户评分。根据客户的信用得分，可以预估客户按时还款的可能性，并据此决定是否发放贷款及贷款的额度和利率。

本项目应用低方差方法进行特征选择，应用遗传算法进行构建信用评分卡模型。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

数据详情如下(部分展示)：

 

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

 关键代码：

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息：

从上图可以看到，总共有6个变量，数据中无缺失值，共1000条数据。

关键代码：

3.3数据描述性统计

通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

关键代码如下：

 

4.探索性数据分析

4.1 信用评分的折线图

用Matplotlib工具的plot()方法绘制折线图：

从上图可以看出，大部分人的信用评分在65~75和80~90。

4.2 信用评分直方图

用Matplotlib工具的hist()方法绘制直方图：

通过上图可以看到，信用评分在80~90分的人居多，说明大部分人信用都是良好的。

4.3 数据的散点图

通过散点图拟合线显示月收入和信用评分之间的趋势关系：

通过上图可以看到，月收入和信用评分没有呈线性关系。

4.4 相关性分析

 

 

从上图中可以看到，数值越大相关性越强，正值是正相关、负值是负相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下：

 

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：

 

5.3 低方差过滤法特征选择

使用VarianceThreshold()低方差过滤法进行特征选择，关键代码如下：

 返回的结果：

从上图可以看出，阈值是0.21，所有特征的方差值均大于0.21，所以不需要去掉一些特征。

6.构建遗传算法回归模型

遗传算法基于创建初始种群迭代地组合群体成员，从而根据父母的“特征/参数”创建子代的思想。在每次迭代结束时，我们进行拟合测试，并将把最适合的个体从原始的种群取出+新的种群被创建。因此，在每次迭代中，我们将创建新的后代，如果后代表现更好，就可以用它们取代现有的个体。这使得总体性能增加或者至少在每次迭代保持相同。

TPOT支持的回归器主要有决策树、集成树、线性模型、xgboost。

主要使用TPOTRegressor算法，用于目标回归。

6.1模型参数

7.模型评估

7.1评估指标及结果

评估指标主要包括可解释方差值、平均绝对误差、均方误差、R方值等等。

从上表可以看出，R方为73.07%  可解释方差值为73.33%，GBDT回归模型效果良好，如果想要取得更好的效果，可以调整一下参数，generations调整为100，population_size调整为1000，不过运行时间会非常久的。

关键代码如下：

 7.2 真实值与预测值对比图

从上图可以看出真实值和预测值波动基本一致，模型拟合效果良好。

8.结论与展望

综上所述，本文采用了遗传算法回归模型，最终证明了我们提出的模型效果良好。此模型可用于日常信用评分。

本次机器学习项目实战所需的资料，项目资源如下：

项目说明：
链接：https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w 
提取码：bcbp

网盘如果失效，可以添加博主微信：zy10178083