银行贷款的分类和预测

改进此代码：

import pandas as pd
from sklearn.linear_model import LogisticRegression as LR
# 参数初始化
filename = '../data/bankloan.xls'
data = pd.read_excel(filename)
x = data.iloc[:,:8].as_matrix()
y = data.iloc[:,8].as_matrix()
print(x,y)
print(x.shape,y.shape)

lr = LR()  # 建立逻辑回归模型
lr.fit(x, y)  # 用筛选后的特征数据来训练模型
print('模型的平均准确度为：%s' % lr.score(x, y))

1. 将数据划分为训练集和测试集
2. 训练集和测试集可以随机取样
3. 利用训练集和测试集可以随机取样，验证模型的稳定性。（需要至少10次不同的取样，绘制不同取样训练精度和测试精度图形）

 

思路：

将数据划分为训练集和测试集，即用x_train,x_test,y_train,y_test = train_test_split （）来划分

训练集与测试集随机取样即该方法中的rand_stage的值为随机的。至少取十次，则可以用循环来实现。绘制图形通过plt来绘制。

代码如下：

 运行结果：

 

 

 

标签：预测,训练,随机取样,分类,银行贷款,test,测试,print,data
来源： https://blog.csdn.net/m0_55845652/article/details/121080295