数据分析应用模拟题(二)(附答案).docx

本文格式为Word版，下载可任意编辑数据分析应用模拟题(二)(附答案) 1（50.0分） 某金融机构为了研究其信用卡发放风险，收集整理了一些客户的数据，包括他们的根本信息，经济处境，以及是否拖欠还款等，概括如附表所示（已经将客户分为了训练集和测试集） Microsoft Office Excel 2022 工作表数据分析应用1训练数据.xlsx 数据分析应用1测试数据数据分析应用1测试数据.xlsx 举行数据预处理，并用不同的算法模型（规律回归、神经网络等）分析信用卡拖欠还款处境，结合测试数据比较模型的拟合优度，要求写出概括的思路过程 答案： 1、由题意，可以确定此题中年龄、教导水平、当前工作年限、当前居住年限、家庭收入、债务占收入比例、信用卡负债、其他负债等为自变量，还款拖欠处境为因变量 2、对数据举行预处理： 本案例数据均为数值型，符合模型创办要求； 本案例数据不存在缺失值，故此项不用处理； 通过datahoop平台箱形图可知，家庭年收入一项奇怪值较多，但是结合实际处境认为可能是有特殊人群存在，故此处不做处理 查看训练集数据可知，本案例样本均衡，可以举行模型创办。

下边分别用规律回归、神经网络、SVM举行模型测试 3、（1）规律回归： 首先举行变量的相关性检查，将训练集导入平台，通过datahoop平台相关系数矩阵分析得出如下相关系数矩阵 由相关系数矩阵得知变量之间虽有相关性但相关性不高，可以直接举行规律回归分析. 开启datahoop平台预料分析，将训练数据放入训练表，测试数据放入测试表，选择相应的自变量和因变量，选择规律回归结果如下： 由模型训练结果可知Accuracy，AUC值，切实率召回率F1值都对比高，模型拟合效果较好，训练误差不大 将模型预料结果中的预料数据和测试集中的实际数据比较，得到混淆矩阵并计算出相应的切实率和召回率如下： 由混淆矩阵计算得出的切实率和召回率都对比高，模型泛化误差不大，模型整体预料效果较好 （2）神经网络： 概括描述同规律回归，模型训练结果如下： 将测试结果和测试集中的实际分类比较，得到的混淆矩阵及切实率、召回率、预料率，F1值结果如下： 由训练结果可以看到Accuracy、AUC、切实率召回率等都较大，模型拟合效果较好，训练误差不大； 由测试结果可知Accuracy、AUC、切实率召回率等都较大，模型测试效果较好，泛化误差不大。

（3）SVM： 导入datehoop平台得到如下训练结果： 将测试结果和测试集中的实际分类比较，得到混淆矩阵如下： SVM模型训练结果可知Accuracy、AUC值均较高，切实率和召回率都较大，模型拟合效果较好，训练误差不大； 由预料结果和测试集中的实际结果比较，模型ACCURACY值不高，预料为1召回率和F1值较小，模型预料效果不好，泛化误差较大 4、通过比较以上3种分类模型的对比，规律回归整体精确度最高，SVM模型最差，在此案例中，我们更关注客户是不是会拖欠贷款这一点，即我们更关注分类结果为欠款（即为1）的召回率的大小，比较三个模型可知，神经网络这一模型1的召回率最大，因此三个模型中神经网络的预料效果最好 2（50.0分） 为了研究好评率与品牌、价格的关系，某公司收集如附表所示数据，数据收集的信息包含的评论得分和评论内容以及品牌和价格等信息 数据数据.xlsx 对数据举行预处理，选择适合的模型分析好评率与品牌、价格的关系，要求写出细致的思路和过程 答案： 1、首先对数据举行预处理： 查看数据可知不存在缺失值，故此项不用处理。

由于品牌中存在非数值型数据，因此对品牌数据举行数值化，编码如下： 品牌 360 21KE HTC LG OPPO vivo ZUK 锤子（smartisan） 飞利浦（PHILIPS） 华为（HUAWEI） 金立（Gionee） 酷派（Coolpad） 价格属于连续型变量，因此需要离散化，离散结果如下： 价格 500-1000 1000-1500 1500-2000 2000-2500 2500-3000 3000-3500 3500-4000 5000-6000 6000以上 编号 onej twoj threej fourj fivej sixj sevenj eightj ninej 编号 1 2 3 4 5 6 7 8 9 10 11 12 由题意可知分析好评率同价格和品牌、价格等的关系，因此根据已知数据构建新的变 量好评率（好评率=好评数/总评论数*100%），计算出的好评率仍旧是连续型数据，举行离散化处理如下： 好评率 0.82-0.93 0.94-0.95 0.96-0.97 0.98-1 编号 hp1 hp2 hp3 hp4 将数据导入datehoop平台举行奇怪值处理，通过箱线图可以看到虽然有奇怪值，但是属于温柔奇怪值，此项不做处理。

2、对应分析 好评率处理后数据 将品牌和好评率举行对应分析，交错图及因子付出率如下 从因子付出率可以看到提取两个因子的付出率就达成了80%以上，因此提取两个因子即可 根据对应分析的图表可以看四处于hp1也就是低好评度的品牌主要有品牌3、9接着较低好评度品牌有1、2、8、11较高好评度品牌包括5、10、12高好评度品牌有6、7、4 因此品牌好评率分布为： 好评率等级品牌 低级HTC飞利浦 较低360，21KE、锤子、金立 较高oppo、华为、酷派 — 6 —。