标签:plt cm 模型 银行 风控 train test import model
代码1
import pandas as pd from sklearn.model_selection import train_test_split from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.layers import Activation,Dense,Dropout import numpy as np inputfile = './bankloan.xls' data = pd.read_excel(inputfile) X = data.drop(columns='违约') y = data['违约'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1) model = Sequential() model.add(Dense(64,input_dim=8,activation='relu')) # Drop防止过拟合的数据处理方式 model.add(Dropout(0.5)) model.add(Dense(64,activation='relu')) model.add(Dropout(0.5)) model.add(Dense(1,activation='sigmoid')) # 编译模型,定义损失函数,优化函数,绩效评估函数 model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy']) # 导入数据进行训练 model.fit(X_train,y_train,epochs=200,batch_size=128) # 模型评估 score = model.evaluate(X_test,y_test,batch_size=128) print(score) predict_x=model.predict(X_test) yp=np.argmax(predict_x,axis=1) def cm_plot(y, y_pred): from sklearn.metrics import confusion_matrix #导入混淆矩阵函数 cm = confusion_matrix(y, y_pred) #混淆矩阵 import matplotlib.pyplot as plt #导入作图库 plt.matshow(cm, cmap=plt.cm.Greens) #画混淆矩阵图,配色风格使用cm.Greens,更多风格请参考官网。 plt.colorbar() #颜色标签 for x in range(len(cm)): #数据标签 for y in range(len(cm)): plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center') plt.ylabel('True label') #坐标轴标签 plt.xlabel('Predicted label') #坐标轴标签 plt.show() return plt cm_plot(y_test, yp)
代码2
import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score inputfile = './bankloan.xls' data = pd.read_excel(inputfile) X = data.drop(columns='违约') y = data['违约'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1) model = LogisticRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test) score = accuracy_score(y_pred, y_test) print(score) def cm_plot(y, y_pred): from sklearn.metrics import confusion_matrix #导入混淆矩阵函数 cm = confusion_matrix(y, y_pred) #混淆矩阵 import matplotlib.pyplot as plt #导入作图库 plt.matshow(cm, cmap=plt.cm.Greens) #画混淆矩阵图,配色风格使用cm.Greens,更多风格请参考官网。 plt.colorbar() #颜色标签 for x in range(len(cm)): #数据标签 for y in range(len(cm)): plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center') plt.ylabel('True label') #坐标轴标签 plt.xlabel('Predicted label') #坐标轴标签 plt.show() return plt cm_plot(y_test, y_pred)
结果1:
[0.3884179890155792, 0.800000011920929]
结果2:
0.8285714285714286
标签:plt,cm,模型,银行,风控,train,test,import,model 来源: https://www.cnblogs.com/yanjiahao/p/16076488.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。