在大家的生活中，贷款是不能避开的话题。而银行在向个人提供贷款时，需要对这个人进行一个全面的评估，防止这个人还不上贷款，从而成为坏账。所以利用机器学习来评估一个人是否能够取得贷款，是一个非常热门的话题。
今天，小编就带领大家实现一个完整的机器学习的项目。来预测一个人究竟能否获得银行的贷款。
我们今天用到的库包含了sklearn、matplotlib、numpy、pandas、seaborn、scipy等库，从机器学习到数据分析到数据可视化的展示，可谓是干货满满。
01 数据初探
首先我们读入数据，并对数据进行一个初步的认知：
可以看出，贷到款的人数占到总人数的69%。在对整体数据有一个整体的把握之后，接下来我们来对每个特征的重要性进行分析。
02 特征分析
首先我们先从标称型数据开始分析。如下图所示：上图中，横座标是每个标称型的数据类型，纵座标是我们的Label，也即Loan_Status。从上述的数据分布可以得到下面很多的信息:
- 左上角中Gender和Loan_Status的关系，可以看出，无论是男性还是女性，大部分的人都得到了贷款。
- 性别在是否提供贷款的判定中并不是特别重要的特征信息。
- 在右上角的Married和Loan_Status的关系，可以看出大多数结婚的人都得到了贷款
- 如果一个人结婚了，那么他有很大的概率得到贷款。所以Married对于Loan_Status是一个好的特征，对于其他的标称型类型同样可以采用这样的方法进行分析。
接下来我们来看一下数值型的特征
可以看出，当CoapplicantInocme的中位数较低时，Loan_Status 为N，所以 CoapplicantInocme是一个很好的特征信息。
03 数据清洗
对特征进行分析后，接下来就是数据的清洗，包括了缺失值的处理，对于标称型的数据，我们将其按照众数来填充，而对于数值型的数据，采用平均值来填充(也可以采用缺失值的上一个值来填充)，然后将标签进行one_hot来编码，最终处理后的数据如下所示。
04 模型训练与测试 对于数据进行清洗后，接下来就是模型的训练，对于二分类问题，采用logistic回归、KNN、SVM(SVC)和决策树四种模型来训练，并通过准确率，召回率，F1准确率，分类准确率分数五个评价指标来评价模型
对于模型的训练，采用了两种方法，第一种是直接将数据集分为训练集和测试集，其中对于训练集和测试集，其label中的Y和N的比例同数据集中的label比例相同。然后再训练集上训练模型，在测试集上测试模型。下图展示的是模型在训练集上训练后在测试集上测试的结果。
从评价指标和上图展示可以得出，目前最好的模型是logistic模型，而SVC模型相当于只是存储了数据，并没有对数据进行任何的判断分类，呈现过拟合的状态。
对于模型训练的第二种方法是采用K折交叉验证的训练方法，该方法是将原数据有放回的采样N次，每次将原数据分为训练集和测试集，然后进行模型的训练和测试。然后平均N次的评价结果来对模型进行评估。
从上图右侧的结果可以看出，此时的SVC同样是呈现过拟合的状态，而K折交叉验证下，决策树的结果要好于logistic回归，在测试集上的准确率达到了80.86%，得到训练好的模型后，我们就可以利用该模型来预测个人的数据，来预测他能否得到银行的贷款。
最后，我们来展示一下K折交叉验证的细节：
上图可以看到，针对logistic回归模型，K折交叉验证每次都重新划分训练集和测试集，来训练模型，在测试集上进行测试。然后将每次训练后的评价指标结果进行保存。最终将K次(这里是10次)的训练结果进行平均，就得到了每个评价指标的平均结果。
以上就是小编带领大家进行的一个简单的机器学习项目练习，在这个基础上，大家还可以继续优化，比如说进行特征的组合选择，来优化特征，同时可以针对模型的参数进行调整来提升模型的性能。
希望本篇对大家面试AI算法岗位，有帮助，欢迎在留言区点评，记得给个三连哦！
目前wx搜索Python 【菜鸟学Python】排第二，汇聚了30万Python爱好者，累计原创近400篇趣味干货(爬虫，数据分析，算法，面试指南，原创趣味实战，Python游戏，机器学习），欢迎一起学Python，交流指正。