第三周周报

在上一次课上，我们学习了数据预处理的一些知识，因此，我在上一周的时间里，对所给的数据，进行了一些研究。

1. 数据处理

1.1

1.1.1 只有单一值的数据

python的nunique可以用于判断数据是否单一值，最后测试出policyCode只有单一值。

1.2 数据类别

1.2.2 一些连续型变量的分布

债务收入比：

贷款金额：

年收入：

1.2.3 一些离散型变量

subGrade：

employmentLength：

homeOwnership：

经过对变量的分析，我们可以删除掉一些单一值的列，或者一些基本偏向某一值的列，并且，对于非数字型的值，如subgrade，我们需要将其数字化，如其中共有35个subgrade，我就可以将其映射到0-34，另外，雇佣时间等非数值型变量，也需要进行数字化，这就是数据预处理的手段之一。

2. 数据特征

可以从提供的数据集中，挖掘出一些更有利于我们进行分类的信息。

2.1

由于银行本身会对用户的偿付能力进行评估，因此，对于不同信用等级的用户，其违约率自然不同，不同等级的违约率如下：

可以看出，信用等级越高，违约率越低。

2.2

而从贷款目的上来看，可以发现，虽然没有信用等级上有显著的不同，但基于不同目的的贷款，其违约率也不同：

根据提供的数据，可以从中获得更多的信息，找出更多的关联，便于我们更有效地捕获数据集中的信息。

3. 实践工作

在上一周中，我对数据中的一些非数值数据进行了转换，并采用了新的模型，我采用了lightgbm模型，对数据进行训练与测试，目前正尝试进一步优化参数。