R语言KNN(K-近邻)模型分类信贷用户信用等级参数调优和预测可视化

本文主要介绍了如何帮助客户通过读取数据、查看部分数据、转换数据为因子并将数值变量归一化、进行描述性分析、建立knn模型等步骤对数据进行分析。

由Kaizong Ye,Sherry Deng撰写

通过分别选择不同的k值进行建模,并对比它们的准确度,找到最优的参数k。


文章还介绍了如何扩大参数的范围,找到最优的k值,并绘制数据的散点图,查看每个分类的分布情况。

通过图表分析,得出了模型的预测点和实际点的符合程度较好的结论。

读取数据

credit <- read.table("man.data")  

查看部分数据

image.png

视频

K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测

探索见解

去bilibili观看

探索更多视频

根据对数据集的命名和查看,可以看出数据集包含了多个变量,如checkingstatus1、duration、history等,这些变量代表了不同的个人和贷款信息。数据集的前几行展示了每个变量的取值情况,以及最后一列是目标变量”Default”,它表示了客户是否违约。这些信息对于理解数据集的结构和内容非常重要。在进一步的分析中,这些变量将被用于建立模型,以预测客户是否会违约。

转换数据为因子,并且将数值变量归一化

germalt <- factor(germanault)  
  
gemadit[sapply(germt, is.numeric)] <- lapply(gerdit[sapply(germanit, is.numeric)], scale)

对数据进行描述性分析

summary(gerdit.subset)

image.png

根据对数据进行描述性分析的结果,可以看出各个变量的分布情况。例如,duration.V1(借款周期)、amount.V1(借款金额)、installment.V1(分期付款)等变量的最小值、最大值、中位数和平均值等统计信息。通过这些统计信息,可以初步了解数据的范围和分布情况,为后续建模和分析提供基础。例如,可以看出借款周期和借款金额的方差较大,而分期付款的方差较小,这些信息对于理解数据的特点和规律具有重要意义。

knn模型

将数据分区,70%为训练集,30%为测试集,建立knn模型,然后对比模型的准确度

set.seed(111)  
test <-sample(1:nrow(germ.subset),nrow(germubset)*0.2)

然后我们分别选取,不同的k作为knn模型的参数,得到模型的结果之后,对比它们的准确度,从而选出最优的参数k。

分别对不同的参数进行建模

knn.1 <-  k train.def, k=1)  
it, train.def, k=5)  
kndef, k=20)

然后分别计算不同参数下的准确度:

##      test.def  
## knn.1  0  1  
##     0 54 11  
##     1 21 14  
  

## [1] 0.535

##      test.def  
## knn.5  0  1  
##     0 62 13  
##     1 13 12  

## [1] 0.545

##       test.def  
## knn.20  0  1  
##      0 69 13  
##      1  6 12  

## [1] 0.605

从不同的近邻数的结果来看,我们可以发现当参数为二十的时候,模型的准确率最高为0.605。


Python信贷风控模型:梯度提升Adaboost,XGBoost,SGD, GBOOST, SVC,随机森林, KNN预测金融信贷违约支付和模型优化|附代码数

阅读文章


因此我们可以认为最优的knn参数是20。

扩大参数的范围,使参数从2到30变化,并分别计算不同参数下的准确度,从而找到最优的参数。


随时关注您喜欢的主题



acc=numeric(0) for(k in 2:30){ plot(acc,type="b",col="blue")
image.png
#查看最优k  
which.max(acc)+1

## [1] 2

因此,最优的k为2。

绘制数据的散点图,查看每个分类的分布情况


plot(train.germancredit[,c("amount","duration")],
微信活码:20231208-1755.png

图中四种颜色的点分别表示以下四个种类的用户:

图中的圆形和三角形分别代表没有信贷的用户和有信贷的用户。实心点和空心点,分别代表着预测的数据和实际的数。从散点图的结果来看空心点和实心点的覆盖重合度较高,说明模型的预测点和实际点的符合程度较好。同时可以看到不同的客户,信用等级的分类出现了不同的分布情况。三角形代表信用较好的客户,他们的借款周期一般较短,借款金额也较少。而圆形的点代表没有信贷的用户,他们的借款周期较长,借款金额较大,存在信贷危机。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds