机器学习：基于AdaBoosts算法对信用卡精准营销建立模型

作者：i阿极

作者简介：Python领域新星作者、多项比赛获奖者：

预先设定AdaBoost算法在误分类数为0时终止迭代，即全部分类正确时（即误差率为0）停止迭代，并定义误差率为错误划分类别的样本权重之和，例如对于9个样本，每个样本的权重为1/9，若此时有2个样本划分错误，那么此时的误差率就是1/9 + 1/9=2/9。

AdaBoost分类算法的流程图如下所示：

2、实验环境

Python 3.9

Anaconda

Jupyter Notebook

3、实验内容

AdaBoots信用卡精准营销模型

4、案例实战

4.1案例背景

当前经济增速下行，风控压力加大，各家商业银行纷纷投入更多资源拓展信用卡业务，信用卡产业飞速发展。因为市场竞争激烈，信用卡产品同质化严重，商业银行需要采用更快捷有效的方式扩大客户规模，实现精准营销，从而降低成本提高效益，增强自身竞争力。该精准营销模型也可以应用其他领域的精准营销，例如信托公司信托产品的精准营销等。

4.2模型搭建

1、读取数据

import pandas as pddf = pd.read_excel('信用卡精准营销模型.xlsx')df.head()

2、提取特征变量和目标变量

X = df.drop(columns='响应') y = df['响应']

3、划分训练集与测试集

from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)

4、模型训练及搭建

from sklearn.ensemble import AdaBoostClassifierclf = AdaBoostClassifier(random_state=123)clf.fit(X_train, y_train)

4.3模型预测及评估

1、预测测试集数据

y_pred = clf.predict(X_test)print(y_pred)

2、预测值与实际值对比

a = pd.DataFrame()  # 创建一个空DataFrame a['预测值'] = list(y_pred)a['实际值'] = list(y_test)a.head()

3、查看准确度

from sklearn.metrics import accuracy_scorescore = accuracy_score(y_pred, y_test)print(score)

4、查看预测分类概率

y_pred_proba = clf.predict_proba(X_test)y_pred_proba[0:5]  

5、绘制ROC曲线

from sklearn.metrics import roc_curvefpr, tpr, thres = roc_curve(y_test.values, y_pred_proba[:,1])import matplotlib.pyplot as pltplt.plot(fpr, tpr)plt.show()

6、查看AUC值

from sklearn.metrics import roc_auc_scorescore = roc_auc_score(y_test, y_pred_proba[:,1])print(score)

7、查看特征重要性

clf.feature_importances_

# 通过DataFrame的方式展示特征重要性features = X.columns  # 获取特征名称importances = clf.feature_importances_  # 获取特征重要性# 通过二维表格形式显示importances_df = pd.DataFrame()importances_df['特征名称'] = featuresimportances_df['特征重要性'] = importancesimportances_df.sort_values('特征重要性', ascending=False)

---

文章下方有交流学习区！一起学习进步！
创作不易，如果觉得文章不错，可以点赞收藏评论
你的支持和鼓励是我创作的动力❗❗❗