机器学习：基于逻辑回归对超市销售活动预测分析
Posted i阿极
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习：基于逻辑回归对超市销售活动预测分析相关的知识，希望对你有一定的参考价值。
系列文章目录
作者：i阿极
作者简介：Python领域新星作者：博主个人首页
😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍
📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪
文章目录
1、实验背景
一家超级市场正在计划年终促销。他们想推出一个新的优惠——黄金会员资格，所有购买的产品都有20%的折扣，只需499美元，其他日子里是999美元。该优惠政策将只对现有客户有效，目前他们正计划通过电话进行宣传。
管理层认为，降低活动成本的最好方法是建立一个预测模型，首先将可能购买该优惠的客户进行分类。
2、实验数据说明
数据信息是在去年的活动中收集的，以下为数据描述：
| 字段 | 说明 |
|---|---|
| Id | 每个客户的独特ID |
| Year_Birth | 客户的年龄 |
| Education | 顾客的教育水平 |
| Marital_Status | 客户的婚姻状况 |
| Income | 客户的家庭年收入 |
| Kidhome | 客户家庭中小孩的数量 |
| Teenhome | 客户家庭中的青少年人数 |
| Dt_Customer | 客户在公司注册的日期 |
| Recency | 自上次购买以来的天数 |
| MntWines | 在过去的两年中，购买葡萄酒产品的金额 |
| MntFruits | 在过去的2年里，购买水果产品的消费金额 |
| MntMeatProducts | 在过去的两年中，花在肉类产品上的金额 |
| MntFishProducts | 在过去的两年中，花在鱼类产品上的金额 |
| MntSweetProducts | 在过去两年中，花在甜食产品上的金额 |
| MntGoldProds | 在过去的两年中，购买黄金产品的消费金额 |
| NumDealsPurchases | 使用折扣购买的数量 |
| NumWebPurchases | 通过公司网站购买的数量 |
| NumCatalogPurchases | 使用目录购买的数量（购买货物通过邮件发送）。 |
| NumStorePurchases | 直接在商店购买的数量 |
| NumWebVisitsMonth | 上个月访问公司网站的次数 |
| Response | 目标变量 - 如果客户在上一次活动中接受了报价，则为1，否则为0 |
| Complain | 如果客户在过去两年中投诉，则为1 |
3、实验环境
Python 3.9
Anaconda
Jupyter Notebook
4、实验内容
使用逻辑回归对超市销售活动预测分析
5、实验步骤
5.1导入数据
import pandas as pd
import numpy as np
data = pd.read_csv("/home/mw/superstore_data.csv")
data.head()
5.2数据探索
查看数据数量
data.shape
有2240行，22个特征值
查看基本信息
data.info()
发现Income列有缺失值，接下来需要对缺失值进行处理
观察Income列缺失的行
income_missing = data[data.Income.isnull()]
income_missing
从他们的Year_Birth中发现，很多都是1960年之前的人，很有可能退休了(2023-65=1958)
before = income_missing[income_missing.Year_Birth < 1961]
after = income_missing[income_missing.Year_Birth > 1961]
import matplotlib.pyplot as plt
plt.bar(['before 1961','after 1961'],[len(before),len(after)])
plt.show()
对于可能退休的人（小于1961）我们用0填充，其他的用平均值
data.loc[(data['Year_Birth'] < 1961) & (data['Income'].isnull())] =data.loc[(data['Year_Birth'] < 1961) & (data['Income'].isnull())].fillna(0)
data.Income = data.Income.fillna(data.Income.mean())
data.isnull().sum()
对于可能退休的人（小于1961）我们用0填充，其他的用平均值，已经没有缺失值。
5.3处理非数值型变量
查看类型为object的列
non_num_cols = [cols for cols in data.columns if data[cols].dtype == 'object']
non_num_cols
首先我们将Dt_Customer转化为日期格式
data['Dt_Customer'] = pd.to_datetime(data['Dt_Customer'])
处理类别变量,先来看看有几种类别
data.Education.value_counts()
data.Marital_Status.value_counts()
因为alone、YOLO、Abusurd样本数很少，所以本次分析将 alone、YOLO、Abusurd 统一归为 Single。
data.Marital_Status = data.Marital_Status.replace(['Alone','YOLO','Absurd'],'Single')
data.Marital_Status.value_counts()
Marital_Status = pd.get_dummies(data.Marital_Status,prefix='Marital_Status')
data = data.drop('Marital_Status',axis=1).join(Marital_Status)
同理应用于教育状况
Education = pd.get_dummies(data.Education,prefix='Education')
data = data.drop('Education',axis=1).join(Education)
data
再来看看处理之后的特征值
data.info()
5.4构造模型
划分训练集和测试集
from sklearn.model_selection import train_test_split
y = data.Response #目标变量
X = data.drop('Response',axis=1)
train_x,val_x,train_y,val_y = train_test_split(X,y,train_size=0.8,test_size=0.2,random_state=0)
用统计的方法看看相关性
cor = data.corr()
features = cor[(cor['Response'] < -0.1) | (cor['Response'] > 0.1)] .index.drop('Response')
模型搭建
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()
lr.fit(train_x[features],train_y)
验证
prey = lr.predict(val_x[features])
from sklearn.metrics import accuracy_score
accuracy_score(val_y,prey)
开始预测
predictions = lr.predict(data[features])
results = pd.DataFrame(data='Id':data.Id,'Response':predictions)
results[:15]
📢文章下方有交流学习区！一起学习进步！💪💪💪
📢创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗
机器学习：基于逻辑回归对某银行客户违约预测分析
机器学习：基于逻辑回归对某银行客户违约预测分析
文章目录
一、实验目的
1.理解逻辑回归原理
2.掌握scikit-learn操作逻辑回归方法
二、实验原理
机器学习是博大精深的，除了我们上一次说的线性回归，还有一类重要的回归就是逻辑回归。逻辑回归其实用于二分分类问题，用于判断一个离散性的特征得到的标签类型的概率。举个例子，你是否喜欢一首歌是通过很多这个歌的特征（如节奏、强度等）来判断的，那么我们的数据集就是各种歌的特征，而返回的结果则是一个非1即0，不是喜欢就是不喜欢的结果：
而机器学习可以做到什么呢？它会通过模型形成一个决策面，在你喜欢和不喜欢的歌之间划出一条分界线，就像这样：
用线性回归的拟合线已经无法很好的表示结果了，这时候就是使用逻辑回归来分类的时候了，而对于Logistic Regression来说，其思想也是基于线性回归（Logistic Regression属于广义线性回归模型）。其公式如下：
其中，
被称作sigmoid函数，我们可以看到，Logistic Regression算法是将线性函数的结果映射到了sigmoid函数中。sigmoid的函数图形如下：
我们可以看到，sigmoid的函数输出是介于（0，1）之间的，中间值是0.5，于是之前的公式 hθ(x) 的含义就很好理解了，因为 hθ(x) 输出是介于（0，1）之间，也就表明了数据属于某一类别的概率，例如 ：
hθ(x)hθ(x)<0.5 则说明当前数据属于A类；
hθ(x)hθ(x)>0.5 则说明当前数据属于B类。
所以我们可以将sigmoid函数看成样本数据的概率密度函数
三、实验环境
Python 3.6.1以上
Jupyter
四、实验内容
根据逻辑回归，分析银行违约客户的各项特征，推测某一客户违约的情况
五、实验步骤
1.逻辑回归
逻辑回归用于二分分类问题，回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。
2.业务理解
某银行违约客户信息表如下：（这里只展示了部分数据）我们通过银行客户资料违约情况表来做逻辑回归分析，其中的年龄、教育、工龄、地址、收入、 负债率、信用卡负债、其他负债就是获取自变量x，即特征数据，判断是否违约就相当于获取因变量y，即预测分类。
3.读取数据
1.编写代码，读取数据
import numpy as np
import pandas as pd
data = pd.read_excel(r'D:\\CSDN\\数据分析\\逻辑回归\\loandata.xls')
data.head()
4.数据理解
1.查看数据结构
data.shape
说明:loandata.xls数据位700行9列
2.查看数据列名称
data.columns
说明:loandata.xls中列名称为：‘年龄’‘教育’‘工龄’‘地址’‘收入’‘负债率’‘信用卡负债’‘其他负债’’违约‘
5.数据准备
数据准备就是获得特征数据和预测分类
1.删除’违约‘这一列数据得到特征数据
X_Data = data.drop(['违约'],axis = 1)
X_Data.head()
2.获取’违约‘这列数据得到预测分类
y_data = np.ravel(data[['违约']])
y_data[0:5]
6.逻辑回归模型训练
1.创建新的特征矩阵
X2_data = data.drop(['年龄','教育','收入','其他负债','违约'],axis=1)
X2_data.head()
2.建立训练数据和测试数据
-
train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取训练数据（train）和测试数据（test）
-
第1个参数：所要划分的样本特征
-
第2个参数：所要划分的样本标签
-
random_state：它的用途是在随机划分训练集和测试集时候，划分的结果并不是那么随机，也即，确定下来random_state是某个值后，重复调用这个函数，划分结果是确定的
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X2_data,y_data,random_state=1)
print(X_train.shape)
print(X_test.shape)
3.进行逻辑训练
#导入逻辑回归包
from sklearn.linear_model import LogisticRegression
# 创建模型：逻辑回归
lr = LogisticRegression()
#训练模型
lr.fit(X_train,y_train)
4.查看训练模型参数
lr.coef_
5.查看截距
#训练模型截距
lr.intercept_
6.预测数据
使用模型的predict方法对划分的X测试数据可以进行预测得值“违约”情况
lr.predict(X_test)
7.模型评价
1.我们使用“准确率"来评估模型：
#模型评价的平均正确率
lr.score(X_test,y_test)
得到的结果准确率为0.834
总结
逻辑回归用于二分分类问题，回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。
以上是关于机器学习：基于逻辑回归对超市销售活动预测分析的主要内容，如果未能解决你的问题，请参考以下文章