我是银行信用卡部的从业人员，也很喜欢数据分析。

但是看了这个案例，感觉这个案例能够给信用卡的数据分析带来什么呢？我的意思是，能够分析出什么问题吗？银行信用卡部应该在持卡人用卡的什么阶段开始开始要采取措施防止诈骗？什么类型的客户容易诈骗？---感觉这个案例就是从数字到数字，没有能够给真实业务带来什么帮助。

-----也想对从事数据分析的人员提个醒，数据分析不是从纯数字到纯数字的纯学术研究，应该是联系实际工作，能够给实际工作带来帮助的啊！联系到此案例，应该是能够给银行信用卡部的防欺诈工作带来提升的啊~分析了什么出来？银行的哪个环节应该提升以防止欺诈？

GridSearch最优参数： {'n_estimators': 10}
GridSearch最优分数： 0.8187
准确率 0.8129
-----代码------

# -*- coding: utf-8 -*-
# 信用卡违约率分析
import pandas as pd
from sklearn.model_selection import learning_curve, train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.metrics import accuracy_score
from sklearn.ensemble import AdaBoostClassifier

from matplotlib import pyplot as plt
import seaborn as sns
# 数据加载
data=data=pd.read_csv('./credit_default-master/UCI_Credit_Card.csv')
# 数据探索
print(data.shape) # 查看数据集大小
print(data.describe()) # 数据集概览
# 查看下一个月违约率的情况
next_month = data['default.payment.next.month'].value_counts()
print(next_month)
df = pd.DataFrame({'default.payment.next.month': next_month.index,'values': next_month.values})
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.figure(figsize = (6,6))
plt.title('信用卡违约率客户\n (违约：1，守约：0)')
sns.set_color_codes("pastel")
sns.barplot(x = 'default.payment.next.month', y="values", data=df)
locs, labels = plt.xticks()
plt.show()
# 特征选择，去掉ID字段、最后一个结果字段即可
data.drop(['ID'], inplace=True, axis =1) #ID这个字段没有用
target = data['default.payment.next.month'].values
columns = data.columns.tolist()
columns.remove('default.payment.next.month')
features = data[columns].values
# 30%作为测试集，其余作为训练集
train_x, test_x, train_y, test_y = train_test_split(features, target, test_size=0.30, stratify = target, random_state = 1)


#分类器
ada=AdaBoostClassifier( random_state=1)
#需要调整的参数
parameters={'n_estimators':[10,50,100]}

# 使用 GridSearchCV 进行参数调优
clf=GridSearchCV(estimator=ada,param_grid=parameters,scoring = 'accuracy')

clf.fit(train_x,train_y)
print("GridSearch最优参数：", clf.best_params_)
print("GridSearch最优分数： %0.4lf" %clf.best_score_)
predict_y=clf.predict(test_x)
print("准确率 %0.4lf" %accuracy_score(test_y, predict_y))
 

使用 Pipeline 管道机制的优势，参考资料：
https://www.jianshu.com/p/9c2c8c8ef42d
https://blog.csdn.net/qq_41598851/article/details/80957893

个人理解：
Pipeline是将数据处理流程的共同部分提取出来，简化代码。
以本文最后的编程案例为例，共同部分是“数据规范化”和“使用数据分类算法”，将俩部分封装。
在每一次循环“算法”时，pipeline里头完成算法更新。GridSearchCV引用固定的pipeline，实则算法已经更新了。这样减少了多余代码的书写。

# 信用卡违约率分析
KNN相比较而言，跑得最慢了点

from sklearn.ensemble import AdaBoostClassifier

# 构造各种分类器
AdaBoostClassifier(random_state=1)

# 分类器名称
'adaboostclassifier'

# 分类器参数
{'adaboostclassifier__n_estimators': [10, 50, 100]}

结果：

GridSearch 最优分数：0.8187
GridSearch 最优参数: {'adaboostclassifier__n_estimators': 10}
准确率 0.8129

三万条，25个字段就要运算几分钟了，数据上亿。。。
'''
GridSearch最优参数： {'svc__C': 1, 'svc__gamma': 0.01}
GridSearch最优分数： 0.8174
准确率 0.8172
68.59484457969666 s
GridSearch最优参数： {'decisiontreeclassifier__max_depth': 6}
GridSearch最优分数： 0.8186
准确率 0.8113
1.8460278511047363 s
GridSearch最优参数： {'randomforestclassifier__n_estimators': 6}
GridSearch最优分数： 0.7998
准确率 0.7994
2.297856330871582 s
GridSearch最优参数： {'kneighborsclassifier__n_neighbors': 8}
GridSearch最优分数： 0.8040
准确率 0.8036
154.36387968063354 s
GridSearch最优参数： {'adaboostclassifier__n_estimators': 10}
GridSearch最优分数： 0.8187
准确率 0.8129
13.483576774597168 s
'''

程序运行出错了，Python3.7的环境

Traceback (most recent call last):
  File "E:/my_work_spaces/pycharm/Self_learn_projs/Crawler_projs/Data_ana_lesson_src/Credit_card/Creditcard_fraud.py", line 71, in <module>
    ax = sns.countplot(x='Class', data=data)
  File "E:\my_work_spaces\pycharm\venv_py37\lib\site-packages\seaborn\categorical.py", line 3553, in countplot
    errcolor, errwidth, capsize, dodge)
  File "E:\my_work_spaces\pycharm\venv_py37\lib\site-packages\seaborn\categorical.py", line 1607, in __init__
    order, hue_order, units)
  File "E:\my_work_spaces\pycharm\venv_py37\lib\site-packages\seaborn\categorical.py", line 155, in establish_variables
    raise ValueError(err)
ValueError: Could not interpret input 'Class'

# -*- coding:utf-8 -*-

import pandas as pd

from sklearn.model_selection import GridSearchCV,train_test_split

from sklearn.preprocessing import StandardScaler

from sklearn.pipeline import Pipeline

from sklearn.datasets import load_iris

from sklearn.metrics import accuracy_score

from sklearn.ensemble import AdaBoostClassifier

from matplotlib import pyplot as plt

import seaborn as sns

from warnings import simplefilter

simplefilter(action='ignore',category=FutureWarning)



#数据加载

credits=pd.read_csv('CreditCard_data/UCI_Credit_Card.csv')

#数据探索

print(credits.shape)

print(credits.describe()) #查看数据概览



#特征选择，去掉ID字段

credits.drop(['ID'],inplace=True,axis=1)

target=credits['default.payment.next.month'].values

columns=credits.columns.tolist()

columns.remove('default.payment.next.month')

features=credits[columns].values



#分割数据，将30%作为测试集

X_train,X_test,y_train,y_test=train_test_split(features,target,test_size=0.3,random_state=666)



#构建分类器

ada=AdaBoostClassifier()

#使用网格搜索调整参数

#参数设置

parameters={

    'n_estimators':[10,50,100]

}

gscv=GridSearchCV(estimator=ada,param_grid=parameters,scoring='accuracy',n_jobs=-1)

gscv.fit(X_train,y_train)

print('GridSearch最优参数：',gscv.best_params_)

print('GridSearch最优分数：%0.4lf' % gscv.best_score_)

y_pred=gscv.predict(X_test)

print('准确率：',accuracy_score(y_test,y_pred))



GridSearch最优参数： {'n_estimators': 50}

GridSearch最优分数：0.8197

准确率： 0.8121111111111111

ada = AdaBoostClassifier()
parameters = {'adaboostclassifier__n_estimators': [10, 50, 100]}
pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('adaboostclassifier', ada)
])
clf = GridSearchCV(estimator=pipeline, param_grid=parameters)
clf.fit(train_x, train_y)
print('GridSearch最优参数：', clf.best_params_)
print('GridSearch最优分数：%0.4lf' % clf.best_score_)
predict_y = clf.predict(test_x)
print('准确率%0.4lf' % accuracy_score(test_y, predict_y))

GridSearch最优参数： {'adaboostclassifier__n_estimators': 10}
GridSearch最优分数：0.8187
准确率0.8129