数据分析应用模拟题(二).docx

...... 1（50.0分） 某金融机构为了研究其信用卡发放风险，收集整理了一些客户的数据，包括他们的基本信 息，经济情况，以及是否拖欠还款等，详细如附表所示（已经将客户分为了训练集和测试 集）。 MicrosoftOffice Excel2007工作表 数据剖析应用1训练数据.xlsx 数据剖析应用1测试 数据 数据剖析应用1测试数据.xlsx 进行数据预办理，并用不同的算法模型（逻辑回归、神经网络等）剖析信用卡拖欠还款情 况，联合测试数据对照模型的拟合优度，要求写出详细的思经过程。 答案： 1、由题意，能够确定此题中年纪、教育水平、目前工作年限、目前居住年限、家庭收入、 债务占收入比率、信用卡负债、其他负债等为自变量，还款拖欠情况为因变量。 2、对数据进行预办理： 本案例数据均为数值型，切合模型建设要求； 本案例数据不存在缺失值，故此项不用办理； 经过datahoop平台箱形图可知，家庭年收入一项异样值较多，可是联合实际情况认为可 能是有特殊人群存在，故此处不做办理。 察看训练集数据可知，本案例样本平衡，能够进行模型建设。 下边分别用逻辑回归、神经网络、SVM进行模型测试。 3、（1）逻辑回归： 首先进行变量的有关性检查，将训练集导入平台，经过datahoop平台有关系数矩阵剖析 .专业.专注. ...... 得出如下有关系数矩阵 由有关系数矩阵得悉变量之间虽有有关性但有关性不高，能够直接进行逻辑回归剖析. 翻开datahoop平台预测剖析，将训练数据放入训练表，测试数据放入测试表，选择相应 的自变量和因变量，选择逻辑回归。结果如下： 由模型训练结果可知Accuracy，AUC值，正确率召回率F1值都比较高，模型拟合效果较好， 训练误差不大。 将模型预测结果中的预测数据和测试集中的实际数据对照，获得混杂矩阵并计算出相应的 正确率和召回率如下： .专业.专注. ...... 由混杂矩阵计算得出的正确率和召回率都比较高，模型泛化误差不大，模型整体预测效果 较好。 （2）神经网络： 详细描绘同逻辑回归，模型训练结果如下： 将测试结果和测试集中的实际分类对照，获得的混杂矩阵及正确率、召回率、预测率，F1 值结果如下： 由训练结果能够看到Accuracy、AUC、正确率召回率等都较大，模型拟合效果较好，训练 误差不大； 由测试结果可知Accuracy、AUC、正确率召回率等都较大，模型测试效果较好，泛化误差 不大。 3）SVM： 导入datehoop平台获得如下训练结果： .专业.专注. ...... 将测试结果和测试集中的实际分类对照，获得混杂矩阵如下： SVM模型训练结果可知Accuracy、AUC值均较高，正确率和召回率都较大，模型拟合效果 较好，训练误差不大； 由预测结果和测试集中的实际结果对照，模型ACCURACY值不高，预测为1召回率和F1 值较小，模型预测效果不好，泛化误差较大。 4、经过对照以上3种分类模型的比较，逻辑回归整体精准度最高，SVM模型最差，在此 案例中，我们更关注客户是不是会拖欠贷款这一点，即我们更关注分类结果为欠款（即为 1）的召回率的大小，对照三个模型可知，神经网络这一模型1的召回率最大，因此三个模 型中神经网络的预测效果最好。 .专业.专注. ...... 2（50.0分） 为了研究手机好评率与品牌、价钱的关系，某企业收集如附表所示数据，数据收集的信息 包含手机的评论得分和评论内容以及手机品牌和价钱等信息。 手机数据 手机数据.xlsx 对数据进行预办理，选择合适的模型剖析手机好评率与品牌、价钱的关系，要求写出详尽 的思路和过程。 .专业.专注. ...... 答案： 1、首先对数据进行预办理： 察看数据可知不存在缺失值，故此项不用办理。 因为手机品牌中存在非数值型数据，因此敌手机品牌数据进行数值化，编码如下： 品牌 360 21KE HTC LG OPPO vivo ZUK 锤子（smartisan） 飞利浦（PHILIPS） 华为（HUAWEI） 金立（Gionee） 酷派（Coolpad） 手机价钱属于连续型变量 价钱编号  编号 1 2 3 4 5 6 7 8 9 10 11 12 ，因此需要离散化，离散结果如下： 500-1000onej 1000-1500twoj .专业.专注. ...... 1500-2000threej 2000-2500fourj 2500-3000fivej 3000-3500sixj 3500-4000sevenj 5000-6000eightj 6000以上ninej 由题意可知剖析手机好评率同价钱和品牌、价钱等的关系，因此根据已知数据建立新的变 量好评率（好评率=好评数/总评论数*100%），计算出的好评率仍旧是连续型数据，进行 离散化办理如下： 好