平安产险极客挑战赛(算法建模)总结

2023-11-01 18:59

本文主要是介绍平安产险极客挑战赛(算法建模)总结,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        在过去的半个多月的时间里参加了平安产险极客挑战赛,选的方向是算法建模部分,虽然最终结果不够理想,但花了很多时间、投入了很多精力,还是希望可以对这段时间所做的东西做一个总结,也希望有相关经验的大佬可以指点一下我。

        首先是根据提供的字段解释表格对各个字段进行了理解,明白所需要做的是什么,然后进行了数据预处理(数据清洗、特征工程)、建模、训练模型、预测、调参等各个过程。

数据预处理:

在读取数据后,删除空白值超过一半的列和值完全相同的列,删除与业务相关性不大的列,并对非数值数据使用数值数据进行替换,最后对某些存在空白值的列使用该列平均值进行填充。

def del_data(filename):# 加载数据data = pd.read_csv(filename)# 删除空白值超过一半的列half_count = len(data)/2data = data.dropna(thresh=half_count, axis=1)# 删除值完全相同的列data = data.drop(['policy_code', 'application_type'], axis=1)# 删除与业务相关性不大的列data = data.drop(['emp_title', 'issue_d', 'title', 'zip_code', 'addr_state', 'earliest_cr_line'],axis=1)# loan_status-》pymnt_plandata = data.drop(['term', 'funded_amnt_inv', 'pymnt_plan', 'out_prncp', 'total_rec_late_fee','tot_coll_amt', 'sub_grade', 'collection_recovery_fee'], axis=1)data = data.drop(['pub_rec', 'initial_list_status', 'out_prncp_inv', 'recoveries', 'total_rec_prncp','collections_12_mths_ex_med', 'verification_status'], axis=1)# 对非数值列数据使用数值进行替换tot_coll_amtstatus_replace1 = {"grade": {"A": 0,"B": 1,"C": 2,"D": 3,"E": 4,"F": 5,"G": 6}}data = data.replace(status_replace1)status_replace2 = {"emp_length": {"n/a": 0,"< 1 year": 0,"1 year": 1,"2 years": 2,"3 years": 3,"4 years": 4,"5 years": 5,"6 years": 6,"7 years": 7,"8 years": 8,"9 years": 9,"10+ years": 10,}}data = data.replace(status_replace2)status_replace3 = {"home_ownership": {"NONE": 0,"RENT": 1,"OWN": 2,"MORTGAGE": 3,"OTHER": 4,"ANY": 5,}}data = data.replace(status_replace3)status_replace4 = {"verification_status": {"Verified": 0,"Source Verified": 1,"Not Verified": 2}}data = data.replace(status_replace4)status_replace5 = {"pymnt_plan": {"y": 0,"n": 1}}data = data.replace(status_replace5)status_replace6 = {"initial_list_status": {"f": 0,"w": 1}}data = data.replace(status_replace6)status_replace7 = {"term": {" 36 months": 0," 60 months": 1}}data = data.replace(status_replace7)status_replace8 = {"loan_status": {"Charged Off": 0,"Fully Paid": 1,"Current": 2,"In Grace Period": 3,"Late (31-120 days)": 4,'Issued': 5,'Does not meet the credit policy. Status:Charged Off': 6,'Default': 7,'Late (16-30 days)': 8,'Does not meet the credit policy. Status:Fully Paid': 9}}data = data.replace(status_replace8)status_replace8 = {"purpose": {"debt_consolidation": 0,"credit_card": 1,"major_purchase": 2,"home_improvement": 3,"other": 4,'small_business': 5,'renewable_energy': 6,'car': 7,'house': 8,'medical': 9,'vacation': 10,'moving': 11,'wedding': 12,'educational': 13}}data = data.replace(status_replace8)# 对某些列空白数值数据进行删除# data = data.dropna(axis=0)# 对某些存在空白值的列使用该列平均值进行填充column_len = len(data['member_id'])print(column_len)columns = data.columnsfor x in columns:data[x] = data[x].fillna(data[x].mean())# 输出数据处理结果# data.to_csv('data/5.csv', index=False)return data, data['member_id']

训练模型和预测:

 本次选择xgboost来实现对数据进行训练和预测。由于训练数据中预测结果为1的比例太少,因此需要减少预测结果为0的数据的比例,然后进行训练,最后对测试数据进行预测,并用饼状图表示最终预测结果。

train_data, train_id = del_data(train_filename)  # 删除id属性
train_data = train_data.drop(['member_id'], axis=1)X_neg = train_data[:(int)(len(train_data)/2)].loc[train_data['acc_now_delinq'] == 1]
x_X = train_data[:(int)(len(train_data)/2)].loc[train_data['acc_now_delinq'] == 0]
x_ppp, X_pos = train_test_split(x_X, test_size=0.04, random_state=1)
frames = [X_pos, X_neg]
X_ = shuffle(pd.concat(frames, axis=0))
x = train_data[(int)(len(train_data)/2):].drop(['acc_now_delinq'], axis=1)
y_ = train_data[(int)(len(train_data)/2):].acc_now_delinq
# 18个属性
y = X_.acc_now_delinq
X = X_.drop(['acc_now_delinq'], axis=1)
# 结果标签
print("0-{0},1-{1},total-{2},0-rio-{3},1-rpo-{4}".format(np.sum(y == 0), np.sum(y == 1), len(y),np.sum(y == 0) / len(y), np.sum(y == 1) / len(y)))# change categorical
# ============================================================
# xgboost tryclf = XGBClassifier(learning_rate=0.1,n_estimators=1000,max_depth=18,min_child_weight=1,gamma=0.1,subsample=0.8,colsample_bytree=0.8,objective='binary:logistic',nthread=4,scale_pos_weight=1,seed=27)useTrainCV = True
cv_folds = 5
early_stopping_rounds = 1000
if useTrainCV:xgb_param = clf.get_xgb_params()xgtrain = xgb.DMatrix(X.values, label=y.values)cvresult = xgb.cv(xgb_param, xgtrain, num_boost_round=clf.get_params()['n_estimators'], nfold=cv_folds,metrics='auc', early_stopping_rounds=early_stopping_rounds)clf.set_params(n_estimators=cvresult.shape[0])# Fit the algorithm on the data
clf.fit(X, y, eval_metric='auc')# =============================================================
# clf = tree.DecisionTreeClassifier(max_depth=25)
# clf = clf.fit(X, y)
test_data, test_id = del_data(test_filename)# x_test = test_data.drop(['member_id'], axis=1)
# x_test = train_data.drop(['acc_now_delinq'], axis=1)
x_test = x
for i in range(len(X.columns)):print('{0}:{1}'.format(X.columns[i], clf.feature_importances_[i]))
result = clf.predict(x_test)
f2_score, acc = f2_score(result, y_)
print('f2-score:{0}'.format(f2_score))
print('accuracy:{0}%'.format(acc * 100))
# r = pd.DataFrame({
#     'member_id': train_id,
#     'acc_now_delinq': result
# })
# cols = ['member_id', 'acc_now_delinq']
# r = r.ix[:, cols]
# r.to_csv('data/result.csv', index=False)
# 画饼状图
l = len(result)
one_counts = np.sum(result == 1)
labels = '0-{0}'.format(l - one_counts), '1-{0}'.format(one_counts)
fracs = [(l - one_counts) / l * 100, one_counts / l * 100]
explode = [0, 0.1]
plt.axes(aspect=1)
plt.pie(x=fracs, labels=labels, explode=explode, autopct='%3.1f %%',shadow=True, labeldistance=1.1, startangle=90, pctdistance=0.6)
plt.show()
计算f2-score和正确率:
# 计算f2-score和正确率
# data1:预测 data2:真实
def f2_score(data1, data2):tp = 0fn = 0fp = 0acc = 0for i in range(len(data1)):if data1[i] == 1 and data2[i+len(data1)-1] == 1:tp += 1acc += 1elif data1[i] == 0 and data2[i+len(data1)-1] == 1:fn += 1elif data1[i] == 1 and data2[i+len(data1)-1] == 0:fp += 1elif data1[i] == 0 and data2[i+len(data1)-1] == 0:acc += 1if (tp + fn) != 0:r = tp / (tp + fn)else:r = 0if (tp + fp) != 0:p = tp / (tp + fp)else:p = 0if p == 0 or r == 0:score = 0else:score = 5 * p * r / (4 * p + r)ac = acc / len(data1)return score, ac

 

    最后附上GitHub链接(代码)。

欢迎关注我的公众号:

编程技术与生活(ID:hw_cchang)

这篇关于平安产险极客挑战赛(算法建模)总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/325075

相关文章

Android数据库Room的实际使用过程总结

《Android数据库Room的实际使用过程总结》这篇文章主要给大家介绍了关于Android数据库Room的实际使用过程,详细介绍了如何创建实体类、数据访问对象(DAO)和数据库抽象类,需要的朋友可以... 目录前言一、Room的基本使用1.项目配置2.创建实体类(Entity)3.创建数据访问对象(DAO

Java向kettle8.0传递参数的方式总结

《Java向kettle8.0传递参数的方式总结》介绍了如何在Kettle中传递参数到转换和作业中,包括设置全局properties、使用TransMeta和JobMeta的parameterValu... 目录1.传递参数到转换中2.传递参数到作业中总结1.传递参数到转换中1.1. 通过设置Trans的

C# Task Cancellation使用总结

《C#TaskCancellation使用总结》本文主要介绍了在使用CancellationTokenSource取消任务时的行为,以及如何使用Task的ContinueWith方法来处理任务的延... 目录C# Task Cancellation总结1、调用cancellationTokenSource.

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig