• 鼓励交流但需独立完成，按照自己思路进行数据处理和分析。
• 展示的图表能传达有效信息。排列规整、配色统一、简洁大方，适当评述。图的横纵坐标标示清楚（如有单位需要标注），图标题明确。
• 实验报告清晰、完整、有分析内容，不能仅有图表。优秀的报告有额外奖励分。
• 实验报告请包含代码。不限定结果实现的软件。
• 作业内外注明学号、姓名、班级（专业），及实验内容。
• 提交文件命名方式为：第_次实验+学号+姓名。
• 提交时间：以老师通知的为准。
• 提交地址：本网站中的课程系统

本次实验报告围绕数据预处理和特征工程展开，实验所需数据请点击下方“实验数据-下载”链接下载homework_data.xlsx文件。具体任务和要求如下：

任务一：了解信贷场景变量含义

1. 请将数据文件中子表“Description”各字段翻译成中文，理解各变量的含义

任务二：数据预处理

1. 在数据处理前，请对所有变量进行描述性分析，并进行简单分析，提出数据清洗的思路

2. 对缺失变量进行处理。

3. 讨论TARGET标签为0的样本与TARGET标签为1的样本在以下几个变量中的特征（如均值，标准差等）：CURR_FLAG_OWN_CAR、CURR_AMT_INCOME_TOTAL、CURR_NAME_INCOME_TYPE、CURR_NAME_EDUCATION_TYPE、CURR_NAME_FAMILY_STATUS

任务三：特征工程

1. 将变量CURR_NAME_INCOME_TYPE转换为数值型变量，并计算其IV值，判断其风险预测能力。

任务四：数据可视化

1. 按照TARGET的取值将样本区分为2类，然后绘制CURR_AMT_INCOME_TOTAL变量的概率密度图。

绘图要求：将两张子图绘制到一个大画布中，并分别添加横纵坐标和标题，概率密度图里应包括高斯核密度曲线。

在绘图之后对图形进行简单分析。

提交日期：2023年11月12日24:00前

本次实验报告围绕判别分析和模型评价展开，实验数据为python自带数据iris。具体任务和要求如下：

任务一：构建判别分析

1. 请对各组响应变量所对应的判别变量进行描述性分析。

2. 构建线性判别分析，汇报各类别的预测概率和预测标签。

任务二：进行模型评价

1. 对上述构建的判别分析进行模型评价，输出混淆矩阵，计算并报告总体准确率。

提交日期：2023年12月8日24:00前

本次实验报告围绕逻辑回归和决策树模型展开，实验所需数据请点击下方“实验数据-下载”链接下载Data.xlsx文件。具体任务和要求如下：

任务一：考察参数的使用

1. 查看LogisticRegression函数中的class_weight参数，请理解其含义和使用方法。

任务二：构建逻辑回归

1. 对数据进行预处理，构建逻辑回归，并汇报ROC曲线和AUC值。

任务三：构建决策树

1. 对数据进行预处理，构建决策树模型。

2. 采用成本复杂性剪枝方法进行剪枝。

3. 对参数criterion、ccp_alphas采用网格搜索交叉验证法进行调参。

4. 汇报ROC曲线和AUC值。

提交日期：2023年12月15日24:00前

本次实验报告围绕逻辑回归和决策树模型展开，实验所需数据请点击下方“实验数据-下载”链接下载Data.xlsx文件。具体任务和要求如下：

任务一：划分训练集和测试集

1. 将全部样本随机抽样，按照比例1:1或2:1，划分成训练集和测试集

2. 选择10个变量（含target），报告训练集和测试集在这10个变量上的描述统计及对比分析

任务二：构建随机森林模型

1. 调用随机森林函数，构建随机森林模型，参数自行设定

2. 画出训练集和测试集的ROC曲线

3. 报告特征重要性排序图

任务三：构建集成模型

1. 构建任一基于决策树的集成模型

2. 在同一幅ROC曲线图中，画出随机森林（虚线）和集成模型（实线）在测试集上的ROC曲线对比图

提交日期：2023年12月25日24:00前