【python】python客户信息审计风险决策树算法分类预测（源码+数据集+论文）【独一无二】

news2024/10/6 12:19:11

一、设计要求

要求完成以下功能：
1．能够导入包，能够读取数据集文件audit_risk和customer上运用决策树算法进行分类预测。
2．能够将指定的信息从文件中删除。
3．能够可视化数据并将结果显示在屏幕上。
4．能够数据预处理。
5．能够数据划分、模型训练、效果评估。
6．能够进行预测病显示预测结果。

二、设计思路

导入所需的库和读取数据
首先，导入需要使用的Python库，包括pandas、numpy、scikit-learn、matplotlib和seaborn。接着，使用pandas读取客户信息数据集(customer.csv)和审计风险数据集(audit_risk.csv)，并将其加载到数据框中。

   import pandas as pd
   import numpy as np
   from sklearn.model_selection import train_test_split
   from sklearn.tree import DecisionTreeClassifier
   from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
   import matplotlib.pyplot as plt
   import seaborn as sns
   customer_df = pd.read_csv('customer.csv')
   audit_risk_df = pd.read_csv('audit_risk.csv')

数据预处理
数据预处理是数据分析和机器学习中非常关键的一步。首先，检查数据集中是否存在缺失值，并使用前向填充法填充缺失值，以保证数据的完整性。接着，将客户数据中的婚姻状况和性别字段转换为数值型，以便模型能够正确处理这些分类变量。最后，确保审计风险数据集中所有特征均为数值类型，填充转换后的缺失值。

   # 检查缺失值
   print("客户数据缺失值:\n", customer_df.isnull().sum())
   print("审计风险数据缺失值:\n", audit_risk_df.isnull().sum())
   # 填充缺失值（）
   customer_df.fillna(method='ffill', inplace=True)
   # 将分类变量转换为数值变量
   customer_df['marital_status'] = customer_df['marital_status'].map({'M': 1, 'S': 0})
   # 确保所有数据都是数值类型
   for column in audit_risk_df.columns:
       # 略。。。。 略。。。。
       # 略。。。。 略。。。。
       # 略。。。。 略。。。。
       # 略。。。。 略。。。。
   # 填充转换后的缺失值
   audit_risk_df.fillna(method='ffill', inplace=True)

在这里插入图片描述

数据划分和模型训练
将审计风险数据集分为特征和标签两部分。特征包括除“Risk”外的所有列，标签为“Risk”列。然后，将数据集划分为训练集和测试集，以70%的数据作为训练集，30%的数据作为测试集。使用决策树分类算法对训练集数据进行模型训练。

   # 选择特征和标签
   features = audit_risk_df.drop(columns=['Risk'])
   labels = audit_risk_df['Risk']
   # 数据划分
   X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.3, random_state=42)
   # 构建决策树模型
   # 略。。。。 略。。。。
   # 预测
   y_pred = clf.predict(X_test)

效果评估
使用测试集数据对训练好的模型进行预测，并生成混淆矩阵、分类报告和准确率等评估指标。通过这些评估指标，可以了解模型的预测效果和性能。

   # 显示评估结果
   print("混淆矩阵:\n", confusion_matrix(y_test, y_pred))
   print("分类报告:\n", classification_report(y_test, y_pred))
   print("准确率:", accuracy_score(y_test, y_pred))

在这里插入图片描述

三、模型预测

对数据和模型结果进行可视化展示，包括特征重要性图、混淆矩阵热图和审计风险总数分布图。这些图表可以帮助我们更直观地了解数据和模型的表现。

   # 绘制特征重要性
   plt.figure(figsize=(12, 8))
   feature_importances = pd.Series(clf.feature_importances_, index=features.columns)
   feature_importances.nlargest(10).plot(kind='barh')
   plt.title('特征重要性')
   plt.show()

在这里插入图片描述

   # 绘制混淆矩阵
   plt.figure(figsize=(8, 6))
   conf_matrix = confusion_matrix(y_test, y_pred)
   sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')
   plt.title('混淆矩阵')
   plt.xlabel('预测值')
   plt.ylabel('实际值')
   plt.show()

在这里插入图片描述

绘制审计风险总数的分布

在这里插入图片描述

根据用户指定的条件删除数据中的特定记录，并保存修改后的数据。以下示例代码删除年收入在$10K以下的客户，并将修改后的数据保存到新的文件中。

   # 删除指定信息
   def delete_info(df, condition):
       return df.drop(df[condition].index)

   # 删除年收入在$10K以下的客户
   customer_df = delete_info(customer_df, customer_df['yearly_income'] == '$10K - $30K')
   # 略。。。。 略。。。。
	
   # 保存修改后的数据
   customer_df.to_csv('customer_modified.csv', index=False)

预测新数据
对新数据进行预测，并展示预测结果。以下代码使用测试集的前五行数据作为新数据示例，进行预测并展示预测结果。预测结果被保存到文件中，以便用户查看和分析。

   # 进行预测并显示预测结果
   new_data = X_test.iloc[:5]  # 这里使用测试集的前5行数据作为新数据示例
   predictions = clf.predict(new_data)
   print("新数据的预测结果:\n", predictions)

   # 将结果保存到文件
   result_df = pd.DataFrame(new_data)
   result_df['Prediction'] = predictions
   # 略。。。。 略。。。。