构建logistic回归模型预测企业违约概率的详细代码
时间: 2023-10-11 08:08:25 浏览: 85
好的,以下是一个简单的 logistic 回归模型预测企业违约概率的 Python 代码示例:
```python
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, classification_report
# 读取数据
data = pd.read_csv("data.csv")
# 数据预处理
X = data.iloc[:, :-1] # 特征
y = data.iloc[:, -1] # 标签
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建 logistic 回归模型
model = LogisticRegression()
# 拟合模型
model.fit(X_train, y_train)
# 预测测试集
y_pred = model.predict(X_test)
# 评估模型
print(confusion_matrix(y_test, y_pred))
print(classification_report(y_test, y_pred))
```
其中,数据应该是一个 CSV 文件,包含了一些企业的特征和是否违约的标签。在代码中,首先我们使用 Pandas 库读取数据,然后进行数据预处理,将特征和标签分开。接着,我们使用 `train_test_split` 函数将数据划分为训练集和测试集。然后,我们创建了一个 logistic 回归模型,并使用 `fit` 函数拟合模型。最后,我们使用模型对测试集进行预测,并使用 `confusion_matrix` 和 `classification_report` 函数评估模型的性能。
阅读全文