在构建信用评分系统时，逻辑回归（Logistic Regression）是一种常用且有效的分类算法，尤其适用于二分类问题。以下是一个基于德国信用数据集的示例代码，涵盖数据预处理、特征工程以及模型训练和评估的完整流程。 ### 数据加载与初步探索 首先，加载德国信用数据集并进行初步的数据探索： ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report, roc_auc_score # 加载数据集 data = pd.read_csv('german_credit_data.csv') # 查看数据前几行 print(data.head()) ``` ### 数据预处理 接下来进行缺失值处理、类别型变量编码以及特征缩放等步骤： ```python # 检查缺失值 print(data.isnull().sum()) # 填充缺失值或删除含有缺失值的样本 data.fillna(data.median(), inplace=True) # 类别型变量编码（例如"Sex"列） data = pd.get_dummies(data, drop_first=True) # 特征与目标分离 X = data.drop('Risk', axis=1) # Risk为标签列 y = data['Risk'] ``` ### 数据集划分与特征标准化 将数据划分为训练集和测试集，并对特征进行标准化处理以提高模型性能： ```python # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 特征标准化 scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) ``` ### 逻辑回归模型训练 使用逻辑回归进行模型训练： ```python # 初始化并训练模型 lr_model = LogisticRegression() lr_model.fit(X_train_scaled, y_train) ``` ### 模型评估 对训练好的模型进行评估，包括分类报告和AUC指标： ```python # 预测与评估 y_pred = lr_model.predict(X_test_scaled) y_proba = lr_model.predict_proba(X_test_scaled)[:, 1] # 打印分类报告和AUC值 print(classification_report(y_test, y_pred)) print("ROC AUC Score:", roc_auc_score(y_test, y_proba)) ``` ### 完整代码整合 将上述步骤整合为一个完整的脚本： ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report, roc_auc_score # 数据加载 data = pd.read_csv('german_credit_data.csv') # 缺失值处理 data.fillna(data.median(), inplace=True) # 类别变量编码 data = pd.get_dummies(data, drop_first=True) # 特征与标签分离 X = data.drop('Risk', axis=1) y = data['Risk'] # 数据集划分 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 特征标准化 scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) # 模型训练 model = LogisticRegression() model.fit(X_train_scaled, y_train) # 模型预测 y_pred = model.predict(X_test_scaled) y_proba = model.predict_proba(X_test_scaled)[:, 1] # 模型评估 print(classification_report(y_test, y_pred)) print("ROC AUC Score:", roc_auc_score(y_test, y_proba)) ``` 该代码展示了如何从原始数据出发，经过清洗、编码、标准化等预处理步骤后，使用逻辑回归进行建模，并最终评估模型性能。此方法可作为德国信用评分系统的基准实现之一[^1]。 ---