数据分析-task 2(特征工程)

task2 任务要求

特征衍生

特征挑选:分别用IV值和随机森林等进行特征选择

……以及你能想到特征工程处理

使用IV值特征选择

def calcWOE(dataset, col, target):

    # 对特征进行统计分组

    subdata = df(dataset.groupby(col)[col].count())

    # 每个分组中响应客户的数量

    suby = df(dataset.groupby(col)[target].sum())

    # subdata 与 suby 的拼接

    data = df(pd.merge(subdata, suby, how='left', left_index=True, right_index=True))

    # 相关统计,总共的样本数量total,响应客户总数b_total,未响应客户数量g_total

    b_total = data[target].sum()

    total = data[col].sum()

    g_total = total - b_total

    # WOE公式

    data["bad"] = data.apply(lambda x:round(x[target]/b_total, 100), axis=1)

    data["good"] = data.apply(lambda x:round((x[col] - x[target])/g_total, 100), axis=1)

    data["WOE"] = data.apply(lambda x:log(x.bad / x.good), axis=1)

    return data.loc[:, ["bad", "good", "WOE"]]

def calcIV(dataset):

    dataset["IV"] = dataset.apply(lambda x:(x["bad"] - x["good"]) * x["WOE"], axis=1)

    IV = sum(dataset["IV"])

    return IV

y = data.status

x= data.drop('status', axis=1)

col_list = [col for col in data.drop(labels=['Unnamed: 0','status'], axis=1)]

data_IV = df()

fea_iv = []

for col in col_list:

    col_WOE = calcWOE(data, col, "status")

    # 删除nan、inf、-inf

#    col_WOE = col_WOE[~col_WOE.isin([np.nan, np.inf, -np.inf]).any(1)]

    col_IV = calcIV(col_WOE)

    if col_IV > 0.1:

        data_IV[col] = [col_IV]

        fea_iv.append(col)

data_IV.to_csv('feature.csv', index=0,encoding='gbk')

print(fea_iv)


2. 使用随机森林特征选择

from sklearn.ensemble import RandomForestClassifier

rfc = RandomForestClassifier(random_state=2018)

rfc.fit(x, y)

importance = pd.Series(rfc.feature_importances_, index=x.columns).sort_values(ascending=False)

rfc_result = importance[: 20].index.tolist()

print(rfc_result)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,968评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,601评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,220评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,416评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,425评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,144评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,432评论 3 401
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,088评论 0 261
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,586评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,028评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,137评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,783评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,343评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,333评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,559评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,595评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,901评论 2 345

推荐阅读更多精彩内容