2024年5月18日发(作者：寇高爽)

word

1〔50.0分〕

某金融机构为了研究其信用卡发放风险，收集整理了一些客户的数据，包括他们的根本信息，

经济情况，以与是否拖欠还款等，具体如附表所示〔已经将客户分为了训练集和测试集〕。

Microsoft Office

Excel 2007 工作表

数据分析应用1测试

数据

进展数据预处理，并用不同的算法模型〔逻辑回归、神经网络等〕分析信用卡拖欠还款情况，

结合测试数据比照模型的拟合优度，要求写出具体的思路过程。

答案：

1、由题意，可以确定此题中年龄、教育水平、当前工作年限、当前居住年限、家庭收入、

债务占收入比例、信用卡负债、其他负债等为自变量，还款拖欠情况为因变量。

2、对数据进展预处理：

本案例数据均为数值型，符合模型建设要求；

本案例数据不存在缺失值，故此项不用处理；

通过datahoop平台箱形图可知，家庭年收入一项异常值较多，但是结合实际情况认为可能

是有特殊人群存在，故此处不做处理。

观察训练集数据可知，本案例样本均衡，可以进展模型建设。

下边分别用逻辑回归、神经网络、SVM进展模型测试。

3、〔1〕逻辑回归：

首先进展变量的相关性检查，将训练集导入平台，通过datahoop平台相关系数矩阵分析得

出如下相关系数矩阵

1 / 11

word

由相关系数矩阵得知变量之间虽有相关性但相关性不高，可以直接进展逻辑回归分析.

打开datahoop平台预测分析，将训练数据放入训练表，测试数据放入测试表，选择相应的

自变量和因变量，选择逻辑回归。结果如下：

由模型训练结果可知Accuracy，AUC值，准确率召回率F1值都比拟高，模型拟合效果较好，

训练误差不大。

将模型预测结果中的预测数据和测试集中的实际数据比照，得到混淆矩阵并计算出相应的准

确率和召回率如下：

由混淆矩阵计算得出的准确率和召回率都比拟高，模型泛化误差不大，模型整体预测效果较

2 / 11

2024年5月18日发(作者：寇高爽)

word

1〔50.0分〕

某金融机构为了研究其信用卡发放风险，收集整理了一些客户的数据，包括他们的根本信息，

经济情况，以与是否拖欠还款等，具体如附表所示〔已经将客户分为了训练集和测试集〕。

Microsoft Office

Excel 2007 工作表

数据分析应用1测试

数据

进展数据预处理，并用不同的算法模型〔逻辑回归、神经网络等〕分析信用卡拖欠还款情况，

结合测试数据比照模型的拟合优度，要求写出具体的思路过程。

答案：

1、由题意，可以确定此题中年龄、教育水平、当前工作年限、当前居住年限、家庭收入、

债务占收入比例、信用卡负债、其他负债等为自变量，还款拖欠情况为因变量。

2、对数据进展预处理：

本案例数据均为数值型，符合模型建设要求；

本案例数据不存在缺失值，故此项不用处理；

通过datahoop平台箱形图可知，家庭年收入一项异常值较多，但是结合实际情况认为可能

是有特殊人群存在，故此处不做处理。

观察训练集数据可知，本案例样本均衡，可以进展模型建设。

下边分别用逻辑回归、神经网络、SVM进展模型测试。

3、〔1〕逻辑回归：

首先进展变量的相关性检查，将训练集导入平台，通过datahoop平台相关系数矩阵分析得

出如下相关系数矩阵

1 / 11

word

由相关系数矩阵得知变量之间虽有相关性但相关性不高，可以直接进展逻辑回归分析.

打开datahoop平台预测分析，将训练数据放入训练表，测试数据放入测试表，选择相应的

自变量和因变量，选择逻辑回归。结果如下：

由模型训练结果可知Accuracy，AUC值，准确率召回率F1值都比拟高，模型拟合效果较好，

训练误差不大。

将模型预测结果中的预测数据和测试集中的实际数据比照，得到混淆矩阵并计算出相应的准

确率和召回率如下：

由混淆矩阵计算得出的准确率和召回率都比拟高，模型泛化误差不大，模型整体预测效果较

2 / 11