1数据集介绍

在本数据集中，介绍了新三板公司中一些公司的基本情况。针对这些信息，旨在分析出公司发生间接融资的概率，针对投资人的需求，使用数据分析做出正确的判断。

2.问题界定

主业务问题：基于k近邻算法，预测公司是否发生融资。

3.数据准备

1.导入数据分析工具和文件 2.数据检视

3.数据质量初步分析

根据数据的直方图可以看出不同字段的分布情况 属于泊松分布的字段: maker_num, employee_num, board_num,executive_num

属于正态分布的字段 customer_rt_5all,supplier_rt_5all,net_asset_per_share,earning_per_share,asset_liablity_rt,ave_executive_age,holder_rt_1st

属于对数分布的字段 listing_days，registered_capital,register_days,customer_rt_1st,supplier_rt_1st,total_stock_equity，business_income,asset,liability,gross_cash_flow

特殊分布字段： holder_rt_10all

其他分布字段： supervisor_num,gross_profit_rt,net_profit_rt,roa,current_rt,asset_gr,income_gr,net_profit_gr,ave_executive_edu

4.数据预处理

1.可放弃字段 本案例中一共48个字段，共有七个字段可以放弃 部分字段放弃依据表

英文名称	特征名称	放弃依据
company_code	公司代码	公司标识，不参与数据建模
company_name	公司名称	公司标识，不参与数据建模
trading_days	交易日期	交易发生后字段，不用与分析
trading_price	交易价格	交易发生后字段，不用与分析
total_transaction_amount	交易总金额	交易发生后字段，不用与分析
financing_amount_wan	融资金额	交易发生后字段，不用与分析
outway	公司去向	与业务问题无关

需要转换的字段情况

2.模型输出组变量 在放弃字段中，选择total_transaction_amount,作为输出组变量特征

3.异常值处理

导入数据处理需要的库，创建函数

数据集中有部分数据存在缺失值

对于连续变量使用均值填充

对于非连续变量使用众数填充

对于二元变量0值填充，存在为1，不存在为0

对于数据的异常值处理

数据分割

重采样

5.数据建模

k近邻算法

网格搜索

可以看出准确率还是比较高的，比没调参数之前搞了0.2个点。

制作混淆矩阵

可以看出精度较高，但召回率不太高，案例的目标并不是捕获少数类，所以不用太计较召回率的大小。 使用f1分数发现，得出的结果不算太高，这是因为召回率较低的原因，由于并不追求高召回率，所以f1分数得出这个结果还是不错的。 虚线表示随机预测曲线，fpr=tpr。表示的随机预测模型的效果。 对于roc曲线，取左上角最好，在结果中，画出的曲线都在左上角，表明这个模型还是可以的。 对于不平衡数据使用平衡准确度balanced accuracy来计算他的准确度是比较合适的。 这个结果为74.63%，说明模型的准确度还是不错的，不是很高，但也不是很低，中规中矩。

---

本文章使用limfx的vscode插件快速发布