Python预测分析实战

第5章　基于机器学习的分类预测

本章主要内容

● 学习分类任务及认识其重要性。

● 回顾信用卡违约数据集。

● 学习逻辑回归模型。

● 理解分类树模型。

● 学习随机森林模型。

● 给出多元分类问题的简单示例。

● 学习朴素贝叶斯分类器的基础内容。

我们在第4章介绍了机器学习的基础内容。在本章中，我们会构建类别预测的模型。这一类机器学习问题被称为分类问题。分类模型是较为常见的一类实践模型。在本章中，我们将介绍一些常用的分类模型。

我们先介绍分类任务及一些分类任务的应用，然后回顾信用卡违约数据集，并进行相应的数据准备。随后，我们引入一个流行的分类模型——逻辑回归，它在本质上与我们在第4章讨论过的多元线性回归模型很相似。接下来，我们将给出既流行又好理解的分类树模型。分类树模型是随机森林模型的基础模型，而随机森林模型是预测分析中非常流行的模型，其功能非常强大。

与我们在第4章所用的处理方式一样，我们先从较高的层面介绍这些模型的作用机制，接着使用scikit-learn在信用卡违约数据集上训练模型，再在测试集上比较这些模型的性能。考虑到信用卡违约问题是一个二元分类问题，我们将在最后展示一个多元分类问题。

5.1　技术要求

● Python 3.6或更高版本。

● Jupyter Notebook。

● 最新版本的Python库：NumPy、pandas、Matplotlib、Seaborn和scikit-learn。

5.2　分类任务

分类任务属于机器学习的监督学习分支，广泛应用于工业界和学术界。下面是一些分类任务的应用示例。

● 直销：预测客户对活动的反应是积极的还是消极的。

● 医药：预测人们是健康的还是生病的，例如得了哪种癌症。

● 保险：按照风险水平对客户分类，例如判断客户属于低风险、平均风险还是高风险。 ...