#导入要使用的模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
import seaborn as sns

#设置正常显示中文和负号
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']
#⽤来正常显示中⽂标签
plt.rcParams['axes.unicode_minus'] = False
#⽤来正常显示负号 #有中⽂出现的情况，需要u'内容'

#设置输出全部结果 而非只有最后一个
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

#导入数据
data = pd.read_csv('/基于逻辑回归的天猫优惠券使用情况预测/L2_Week3.csv')

#查看数据
data.head()

#查看数据是否为空值
data.isnull().sum()

#coupon_ind为要预测的目标值
#查看目标值的分布情况
data['coupon_ind'].value_counts(1)

二、变量选择

查看特征值与目标值之间的相关关系

#查看特征值与目标值的相关关系
#进行one—hot编码前
sns.heatmap(data.corr()[['coupon_ind']])

选取特征值

#选取特征值
X = data.iloc[:,0:9]
X.head()

#将类别型变量进行哑变量处理
job = pd.get_dummies(X['job'])
marital = pd.get_dummies(X['marital'])
default = pd.get_dummies(X['default'])
returned = pd.get_dummies(X['returned'])
loan = pd.get_dummies(X['loan'])

#将处理好的哑变量与原来的数据按列连接
XX = pd.concat([X,job,marital,default,returned,loan],axis=1)

进行one-hot编码后目标值与特征值的相关关系

XXX = pd.concat([XX,data['coupon_ind']],axis=1)
sns.heatmap(XXX.corr()[['coupon_ind']])

查看类别型变量的所有类别及类别分布概率情况

X['job'].unique()
data['job'].value_counts(1)

X['marital'].unique()
data['marital'].value_counts(1)

X['default'].unique()
data['default'].value_counts(1)

X['returned'].unique()
data['returned'].value_counts(1)

X['loan'].unique()
data['loan'].value_counts(1)

构建简单for循环对每个分类变量查看各数据出现的次数同时绘制直方图。

col_cate = ['job', 'marital', 'default', 'returned', 'loan']

plt.figure(figsize=(25,20),dpi=300)
plt.subplots_adjust(wspace =0.3, hspace =0.3)
for n,i in enumerate(X[col_cate].columns):
    plt.subplot(3,2,n+1)
    plt.title(i,fontsize=15)
    plt.grid(linestyle='--')
    X[col_cate][i].hist(color='darkcyan',alpha=0.5)

对数值型变量绘制直方图查看数据分布

col_num = ['age', 'coupon_used_in_last6_month', 'coupon_used_in_last_month']
X[col_num].hist(bins=20,figsize=(15,10),color ="darkcyan")

将未进行独热编码的特征删除

x = [2,3,4,5,6]
XX.drop(XX.columns[x], axis=1, inplace=True)
XX

三、建模(训练逻辑回归模型)

#分离训练集与测试集
XX_train,XX_test,Y_train,Y_test = train_test_split(XX,data['coupon_ind'],train_size=0.75)

#训练逻辑回归模型，这里由于目标值样本不均衡，采用加权的方式建立模型
model = LogisticRegression(C=1e4,random_state=100,class_weight='balanced')
model.fit(XX_train, Y_train)

#查看训练集的概率
prob = model.predict_proba(XX_train)
pd.DataFrame(prob).apply(lambda x:round(x,4))

四、模型评估

查看预测结果

#查看预测结果的准确率、召回率、f1-score
pred = model.predict(XX_test)
print(classification_report(Y_test,pred,labels=[1,0],target_names=['是','否']))

混淆矩阵及可视化

#做出混淆矩阵
confusion = confusion_matrix(Y_test,pred)
confusion

#混淆矩阵可视化
plt.matshow(confusion,cmap=plt.cm.Blues, alpha=0.8)
plt.title('混淆矩阵')
plt.colorbar() 
plt.ylabel('预测')
plt.xlabel('实际')
plt.show()

计算ROC曲线AUC值并可视化

print('截距为:',model.intercept_)
print('回归系数为:',model.coef_)
print('训练集正确率',model.score(XX_train,Y_train))
print('预测值正确率',accuracy_score(Y_test,pred))

#计算ROC曲线AUC值
from sklearn.metrics import roc_curve,auc
fpr,tpr,threshold = roc_curve(Y_test,pred)
roc_auc = auc(fpr,tpr)
print('ROC曲线AUC值:',roc_auc)

plt.figure(figsize=(6, 5))
# 绘制ROC曲线。
plt.plot(fpr, tpr, label="ROC")
# 绘制（0， 0）与（1， 1）两个点的连线，该曲线（直线）为随机猜测的效果。
plt.plot([0,1], [0,1], lw=2, ls="--", label="随机猜测")
# 绘制（0， 0）， （0， 1）， （1， 1）三点的连线（两条线），这两条线构成完美的roc曲线（auc的值为1）。
plt.plot([0, 0, 1], [0, 1, 1], lw=2, ls="-.", label="完美预测")
plt.xlim(-0.01, 1.02)
plt.ylim(-0.01, 1.02)
plt.xticks(np.arange(0, 1.1, 0.1))
plt.yticks(np.arange(0, 1.1, 0.1))
plt.xlabel('False Positive Rate(FPR)', fontsize=13)
plt.ylabel('True Positive Rate(TPR)', fontsize=13)
plt.grid()
plt.title(f"ROC曲线-AUC值为{auc(fpr, tpr):.5f}", fontsize=14)
plt.legend()
plt.show()

标签：逻辑,优惠券,coupon,XX,天猫,plt,import,data,sklearn
来源： https://blog.csdn.net/JUV_7/article/details/121205734

基于逻辑回归的天猫优惠券使用情况预测

前言

二、变量选择

查看特征值与目标值之间的相关关系

选取特征值

进行one-hot编码后目标值与特征值的相关关系

查看类别型变量的所有类别及类别分布概率情况

对数值型变量绘制直方图 查看数据分布

将未进行独热编码的特征删除

三、建模(训练逻辑回归模型)

四、模型评估

查看预测结果

混淆矩阵及可视化

计算ROC曲线AUC值并可视化

对数值型变量绘制直方图查看数据分布