Python实现KNN(K近邻)分类模型(KNeighborsClassifier算法)并应用网格搜索算法寻找最优参数值以及数据标准化均衡化项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

股票市场是已经发行的股票转让、买卖和流通的场所，包括交易所市场和场外交易市场两大类别。在进行每一笔股票交易时，交易者（股民）都要给其账户所在的证券公司支付一些手续费，虽然单笔交易的手续费不高，但是股票市场每日都有巨额的成交量，每一笔交易的手续费汇总起来，数量便相当可观。这部分收入对于一些证券公司来说很重要，甚至可以占到营业总收入的50%以上，因此，证券公司对于客户（即交易者）的忠诚度和活跃度是很看重的。

如果一个客户不再通过某个证券公司交易，即该客户流失了，那么该证券公司便损失了一个收入来源，因此，证券公司会搭建一套客户流失预警模型来预测客户是否会流失，并对流失概率较大的客户采取相应的挽回措施，因为通常情况下，获得新客户的成本比保留现有客户的成本要高得多。

本项目通过搭建KNN客户流失预警模型来客服是否流失，从而达到降本增效的目的。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下： 

 数据详情如下(部分展示)：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

 关键代码：

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息：

从上图可以看到，总共有6个变量，数据中无缺失值，共7043条数据。

4.探索性数据分析

4.1 是否流失人数柱状图

用Matplotlib工具的plot()方法绘制柱状图：

 

从上图可以看出，是否流失人数为0 1 类型的样本数量存在不均衡的情况。

4.2 流失人员上月交易佣金分布直方图

用Pandas工具的hist()方法绘制直方图：

从上图可以看到，月交易佣金在400元到500元的人员最容易流失。

4.3 数据相关性分析

 数据越大相关性越强，正值是正相关  负值是负相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下：

 

样本数7043，特征有5个变量  标签1个变量。

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：

6.构建KNN分类模型

主要使用KNeighborsClassifier算法，用于目标分类。

6.1默认参数模型构建

6.2 模型调优：应用网格搜索寻找最优参数值

针对模型中的参数n_neighbors，通过网格搜索算法寻找最优的参数值，如下图所示：

6.3 最优参数模型构建

 从上表可以看到，和调优前相比准确率有一点点增加，F1分值确降低了不少。

6.4 数据标准化

从上表可以看到，数据标准化后 准确率和F1分值都有所升高。

关键代码：

6.5 数据均衡化

从上表可以看到，目前准确率和F1分值整体效果良好，F1分值提高很多。

关键代码：

 数据均衡化后的效果展示：

7. 模型评估

7.1 评估指标及结果

评估指标主要包括准确率、查准率、查全率(召回率)、F1分值等等。

 通过上表可以看到，模型的准确率为73.19%,F1分值为0.712，模型效果良好。

7.2 查看是否过拟合

从上图可以看出，训练集和测试集分值相当，无过拟合现象。

7.3 分类报告

从上图可以看出，分类为0的F1分值为0.75；分类为1的F1分值为0.71。

7.4 混淆矩阵

 从上图可以看出，实际为0预测不为0的 有192个样本；实际为1  预测不为1的  有363个样本。

7.5 ROC曲线

从上图可以看出，AUC的值为0.5，结合上面的F1分值来看，整体模型效果良好。

8.结论与展望

综上所述，本文采用了KNN分类模型并通过网格搜索寻找最优参数值同时对原始数据进行标准化、均衡化，最终证明了我们提出的模型效果良好。

本次机器学习项目实战所需的资料，项目资源如下：

项目说明：
链接：https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w 
提取码：bcbp