一个基于自动机器学习的企业级实战项目

文章摘要

该篇文章是一个数据挖掘实战案例，使用自动机器学习库pycaret来评估和预测公司破产。数据集来源于台湾经济杂志，包含1999年到2009年的数据。

1. 引言

本文探讨了使用自动化机器学习方法预测公司破产的可能性，数据集基于台湾证券交易所的商业规则。使用了python的开源低代码机器学习库pycaret来自动化机器学习工作流程。

2. 理解数据

数据集包含6819条记录和96个特征，没有缺失值。数据集被读入pandas数据框，展示了使用.info()、.shape和.describe()方法来理解数据的结构和分布。

3. 数据探索与清洗

数据集没有缺失值，进行了列名的调整以适配pycaret库。统计了目标变量（即公司是否破产）的分布，发现数据集是不平衡的。通过绘图可视化了特征分布，并发现多数特征呈现偏态分布。

3.1 缺失值处理

数据集没有缺失值，因此不需要处理。

3.2 特征分布

对特征的偏态进行了检查，结果表明许多特征确实有偏态。之后用图表形式可视化了特征分布情况，并列出了具有偏态的特征。最后，为了平衡数据集，进行了下采样直至破产与非破产样本比例大致为50/50，并再次检查偏态。

3.3 下采样

为了处理数据集的不平衡问题，进行了下采样，使得破产和非破产的样本数大致相等。

4. 特征工程

去除了无关的特征"net_income_flag"，并绘制了相关矩阵来分析特征间的关系。

4.1 相关矩阵

通过绘制热图，分析了特征之间的相关性。

4.1.1 与破产相关的最高特征

基于破产企业常见特征，如资产少、负债高、盈利能力低、现金流少，分析了与破产最相关的特征，并考虑了正负相关性。

代码审查完整指南来了！

了解更多

想要了解更多内容？

查看原文：一个基于自动机器学习的企业级实战项目

文章来源：

数据STUDIO

扫码关注公众号