day32

ROC 曲线评估模型在 “正负样本不平衡” 时的整体区分能力比如疾病检测中患病样本极少对负样本数量不敏感PR 曲线更关注 “正样本的识别效果”比如推荐系统中精准推荐给用户的比例适合正负样本差距大、重视正样本召回的场景。浙大疏锦行今日作业对于信贷数据仔细观察每个模型的评估指标并且打印他们的roc和pr曲线从今天课上的视角去理解他们的能力# 先运行之前预处理好的代码 import pandas as pd import pandas as pd #用于数据处理和分析可处理表格数据。 import numpy as np #用于数值计算提供了高效的数组操作。 import matplotlib.pyplot as plt #用于绘制各种类型的图表 import seaborn as sns #基于matplotlib的高级绘图库能绘制更美观的统计图形。 import warnings warnings.filterwarnings(ignore) # 设置中文字体解决中文显示问题 plt.rcParams[font.sans-serif] [SimHei] # Windows系统常用黑体字体 plt.rcParams[axes.unicode_minus] False # 正常显示负号 data pd.read_csv(rC:\Users\zhang\Desktop\【疏】机器学习资料\项目类\项目一信贷风险预测\data.csv) #读取数据 # 先筛选字符串变量 discrete_features data.select_dtypes(include[object]).columns.tolist() # Home Ownership 标签编码 home_ownership_mapping { Own Home: 1, Rent: 2, Have Mortgage: 3, Home Mortgage: 4 } data[Home Ownership] data[Home Ownership].map(home_ownership_mapping) # Years in current job 标签编码 years_in_job_mapping { 1 year: 1, 1 year: 2, 2 years: 3, 3 years: 4, 4 years: 5, 5 years: 6, 6 years: 7, 7 years: 8, 8 years: 9, 9 years: 10, 10 years: 11 } data[Years in current job] data[Years in current job].map(years_in_job_mapping) # Purpose 独热编码记得需要将bool类型转换为数值 data pd.get_dummies(data, columns[Purpose]) data2 pd.read_csv(rC:\Users\zhang\Desktop\【疏】机器学习资料\项目类\项目一信贷风险预测\data.csv) # 重新读取数据用来做列名对比 list_final [] # 新建一个空列表用于存放独热编码后新增的特征名 for i in data.columns: if i not in data2.columns: list_final.append(i) # 这里打印出来的就是独热编码后的特征名 for i in list_final: data[i] data[i].astype(int) # 这里的i就是独热编码后的特征名 # Term 0 - 1 映射 term_mapping { Short Term: 0, Long Term: 1 } data[Term] data[Term].map(term_mapping) data.rename(columns{Term: Long Term}, inplaceTrue) # 重命名列 continuous_features data.select_dtypes(include[int64, float64]).columns.tolist() #把筛选出来的列名转换成列表 # 连续特征用中位数补全 for feature in continuous_features: mode_value data[feature].mode()[0] #获取该列的众数。 data[feature].fillna(mode_value, inplaceTrue) #用众数填充该列的缺失值inplaceTrue表示直接在原数据上修改。 # 最开始也说了 很多调参函数自带交叉验证甚至是必选的参数你如果想要不交叉反而实现起来会麻烦很多 # 所以这里我们还是只划分一次数据集 from sklearn.model_selection import train_test_split X data.drop([Credit Default], axis1) # 特征axis1表示按列删除 y data[Credit Default] # 标签 # 按照8:2划分训练集和测试集 X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) # 80%训练集20%测试集 # --- 导入必要的库 --- from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score from sklearn.metrics import classification_report, confusion_matrix from sklearn.metrics import roc_curve, auc, precision_recall_curve, average_precision_score import lightgbm as lgb # --- 1. LightGBM 模型 --- print(--- 1. LightGBM 模型 ---) lgb_model lgb.LGBMClassifier( random_state42, n_estimators100, learning_rate0.1, max_depth6, subsample0.8, colsample_bytree0.8 ) lgb_model.fit(X_train, y_train) lgb_pred lgb_model.predict(X_test) lgb_pred_proba lgb_model.predict_proba(X_test)[:, 1] # 获取正类的概率 print(\nLightGBM 在测试集上的分类报告) print(classification_report(y_test, lgb_pred)) print(LightGBM 在测试集上的混淆矩阵) print(confusion_matrix(y_test, lgb_pred)) # --- 2. 绘制 ROC 曲线和 PR 曲线 --- print(\n--- 2. 模型评估曲线 ---) # 创建子图 fig, (ax1, ax2) plt.subplots(1, 2, figsize(15, 6)) # ROC 曲线 fpr, tpr, thresholds roc_curve(y_test, lgb_pred_proba) roc_auc auc(fpr, tpr) ax1.plot(fpr, tpr, colordarkorange, lw2, labelfLightGBM ROC curve (AUC {roc_auc:.4f})) ax1.plot([0, 1], [0, 1], colornavy, lw2, linestyle--, labelRandom Classifier) ax1.set_xlim([0.0, 1.0]) ax1.set_ylim([0.0, 1.05]) ax1.set_xlabel(False Positive Rate) ax1.set_ylabel(True Positive Rate) ax1.set_title(ROC Curve - LightGBM) ax1.legend(loclower right) ax1.grid(True) # PR 曲线 precision, recall, _ precision_recall_curve(y_test, lgb_pred_proba) average_precision average_precision_score(y_test, lgb_pred_proba) ax2.plot(recall, precision, colorgreen, lw2, labelfLightGBM PR curve (AP {average_precision:.4f})) # 计算随机分类器的PR曲线正类比例 positive_ratio y_test.mean() ax2.axhline(ypositive_ratio, colorred, linestyle--, labelfRandom Classifier (AP {positive_ratio:.4f})) ax2.set_xlim([0.0, 1.0]) ax2.set_ylim([0.0, 1.05]) ax2.set_xlabel(Recall) ax2.set_ylabel(Precision) ax2.set_title(Precision-Recall Curve - LightGBM) ax2.legend(loclower left) ax2.grid(True) plt.tight_layout() plt.show() # --- 3. 输出详细的性能指标 --- print(f\n--- LightGBM 详细性能指标 ---) print(f准确率 (Accuracy): {accuracy_score(y_test, lgb_pred):.4f}) print(f精确率 (Precision): {precision_score(y_test, lgb_pred):.4f}) print(f召回率 (Recall): {recall_score(y_test, lgb_pred):.4f}) print(fF1分数: {f1_score(y_test, lgb_pred):.4f}) print(fAUC分数: {roc_auc:.4f}) print(f平均精度 (Average Precision): {average_precision:.4f}) # --- 4. 特征重要性可视化 --- print(\n--- 3. 特征重要性 ---) feature_importance pd.DataFrame({ feature: X.columns, importance: lgb_model.feature_importances_ }).sort_values(importance, ascendingFalse) plt.figure(figsize(12, 8)) # 只显示前20个最重要的特征 top_features feature_importance.head(20) sns.barplot(datatop_features, ximportance, yfeature) plt.title(LightGBM - Top 20 Feature Importance) plt.xlabel(Feature Importance) plt.tight_layout() plt.show() print(\n前10个最重要的特征) print(top_features.head(10))z浙大疏锦行