本文主要向大家介绍了【云计算】运用SVC预测用户是否会购买，通过具体的内容向大家展现，希望对大家学习云计算有所帮助。

导入模块

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import statsmodels.api as sm

导入数据—查看数据结构

data = pd.read_csv("tree_data_full.csv")
#查看数据的框架
print("dataShape ", data.shape)
data['ID']=data['ID'].astype('object')
print("dataDescribe ", data.describe())
print("-"*40)
##去重
print("-"*40)
print("重复的行",data.shape[0]-data.drop_duplicates().shape[0])

 没有重复的行

 发现education ，age_detail ，marital ，home_owner 有 null

数据处理

删除字段

del data['ID']
del data['age']

根据实际变量的意义，填写null

 1- 将性别中的’F’和’U’取值合并

data['gender'] = data['gender'].replace('U', 'F')

 2- 将教育背景的缺失值赋以’0.

data.education.fillna(0, inplace= True)

 3- 将婚姻状态的缺失值赋以’Single’（单身）

data['marital'].fillna('Single',inplace=True)

 4- 将有无子女的’0’,’N’,’U’取值合并

poc_uniq = data.poc.unique()
for i in poc_uniq:
    if i=='Y':
        data['poc'] = data['poc'].replace('Y', 'Y')
    else:
         data['poc'] = data['poc'].replace(i, 'N')

 5-将房屋自有的缺失值赋以’Renter’（租客）

data['home_owner'] =  data['home_owner'].replace(np.nan, 'Renter')

 6-将年龄段NA 用0填写

data['age_detail'].fillna(0,inplace=True)

 7-将字符型的家庭收入变量转换为数值型

 data['home_income'] = data['home_income'].map({'U': 0, 'A': 1,'B':
'C': 3,'D': 4, 'E': 5, 'F': 6, 'G': 7, 'H': 8, 'I': 9, 'J': 10, 'K': 11 ,'L': 12})

 8- 将根据居住区域归纳的描述消费心理的变量转换为数值型

data['mosaic_group'] = data['mosaic_group'].map({'U': 0, 'A': 12,'B': 11,'C': 10,'D': 9, 'E': 8, 'F': 7, 'G': 6, 'H': 5, 'I': 4, 'J': 3, 'K': 2 ,'L': 1})
mosaic_group_uniq = data.mosaic_group.unique()
mosaic_group_uniq = data.mosaic_group.unique()
for i in mosaic_group_uniq:
    if i=='A':
        data['mosaic_group'] = data['mosaic_group'].replace('A', 1)
    elif i=='B':
        data['mosaic_group'] = data['mosaic_group'].replace('B', 1)
    elif i=='C':
        data['mosaic_group'] = data['mosaic_group'].replace('C', 1)
    else:
        data['mosaic_group'] = data['mosaic_group'].replace(i, 0)

 # 9- 将房屋价值的缺失值赋值为0

data['home_value'].fillna(0, inplace=True)

 # 10- 将new_car 转化为object

data.new_car = data.new_car.astype("object")

 11- 变量分类

#连续型
varNum = []
#二分类
varChar2 = []
#多分类
varCharM = []
varList = data.columns.tolist()
for var in varList:
    if len(data.loc[:, var].unique()) ==2:
        varChar2.append(var)
    elif data.loc[:, var].dtypes == "int64" or  data.loc[:, var].dtypes == "float64":
        varNum.append(var)
    else:
        varCharM.append(var)

 varNum

[‘home_value’, ‘age_detail’, ‘home_income’]

 varChar2

[‘target_flag’, ‘gender’, ‘buy_online’, ‘mosaic_group’, ‘marital’, ‘poc’, ‘home_owner’]

 varCharM

[‘education’, ‘occupation’, ‘mortgage’, ‘region’, ‘new_car’]

 12- 多类型的变量变成 数值型

DIC1 =[] #用于储存变化后的对应值
def Chage(data,var):
    var2 = data[var].unique()
    a = list(range(len(var2)))
    data[var] = data[var].replace(var2, a)
    DIC1.append([var2, a])

for var in varCharM:
    Chage(data, var)

 13- 对二分类变量重新编码

for var in varChar2:
Chage(data, var)

定义roc_ks_curve

def roc_ks_curve(y_test, y_best_pred):
    fpr, tpr, thresholds = roc_curve(y_test, y_best_pred, drop_intermediate= True)
    plt.subplot(2,1,1)
    plt.plot(fpr, tpr,label= "auc")
    plt.legend()
    plt.plot([0, 1], [0, 1])
    plt.xlim(0,1)
    plt.ylim(0,1)
    plt.title("roc")
    plt.show()
    plt.subplot(2,1,2)
    plt.title("KS")
    plt.plot(1- thresholds, tpr, "r:", label='tpr')
    plt.plot(1- thresholds, fpr,"b--", label= "fpr")
    plt.plot(1- thresholds,tpr- fpr,"g", label= "tpr-fpr")
    plt.xlim(0,1)
    plt.ylim(0,1)
    plt.legend()
    plt.show()

建立模型

from sklearn.metrics import roc_curve,roc_auc_score,confusion_matrix
from sklearn.model_selection import train_test_split

X = data.iloc[:, 1: ]
y = data.iloc[:, 0]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 1, stratify = y)

from sklearn.svm import SVC
'''
C=1.0, kernel='rbf', degree=3, gamma='auto',
                 coef0=0.0, shrinking=True, probability=False,
                 tol=1e-3, cache_size=200, class_weight=None,
                 verbose=False, max_iter=-1, decision_function_shape='ovr',
                 random_state=None
                '''
svc_clf = SVC(C=1.0, kernel= "rbf", degree= 3, gamma=1, probability= True, shrinking= True,
              cache_size= 200, verbose= 10, max_iter= -1, decision_function_shape= "ovr")
svc_clf.fit(X_train, y_train)


from sklearn.svm import SVC
'''
C=1.0, kernel='rbf', degree=3, gamma='auto',
                 coef0=0.0, shrinking=True, probability=False,
                 tol=1e-3, cache_size=200, class_weight=None,
                 verbose=False, max_iter=-1, decision_function_shape='ovr',
                 random_state=None
                '''
svc_clf = SVC(C=1.0, kernel= "rbf", degree= 3, gamma=1, probability= True, shrinking= True,
              cache_size= 200, verbose= 10, max_iter= -1, decision_function_shape= "ovr")
svc_clf.fit(X_train, y_train)

y_test_pred = svc_clf.predict_proba(X_test)
y_pred = svc_clf.predict(X_test)
from sklearn.metrics import confusion_matrix,roc_curve,roc_auc_score
print("auc = %.2f%%" % (100*roc_auc_score(y_test, y_test_pred[:,1])))
roc_ks_curve(y_test, y_pred)

auc = 52.80%

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据安全频道！