day31python打卡

知识点回顾

1. 规范的文件命名
2. 规范的文件夹管理
3. 机器学习项目的拆分
4. 编码格式和类型注解

作业：尝试针对之前的心脏病项目，准备拆分的项目文件，思考下哪些部分可以未来复用。

补充介绍：

pyc文件的介绍

信用违约预测模型

这个项目实现了一个信用违约预测模型，使用随机森林算法对客户是否会发生信用违约进行预测。

项目结构

credit_default_prediction/
│
├── data/                   # 数据文件夹
│   ├── raw/               # 原始数据
│   └── processed/         # 处理后的数据
│
├── src/                   # 源代码
│   ├── __init__.py
│   ├── data/             # 数据处理相关代码
│   │   ├── __init__.py
│   │   ├── preprocessing.py
│   │   └── feature_engineering.py
│   │
│   ├── models/           # 模型相关代码
│   │   ├── __init__.py
│   │   ├── train.py
│   │   └── evaluate.py
│   │
│   └── visualization/    # 可视化相关代码
│       ├── __init__.py
│       └── plots.py
│
├── notebooks/            # Jupyter notebooks
│   └── model_development.ipynb
│
├── requirements.txt      # 项目依赖
└── README.md            # 项目说明文档

快速开始

1. 安装依赖：

pip install -r requirements.txt

1. 运行模型训练：

python src/models/train.py

详细说明

数据预处理

• 处理缺失值
• 特征编码（标签编码和独热编码）
• 数据集划分

模型训练

• 使用随机森林分类器
• 包含默认参数训练
• SHAP值解释模型预测

特征工程

• 连续特征处理
• 离散特征编码
• 特征重要性分析

注意事项

1. 所有模块导入都使用相对导入或绝对导入
2. 主要执行文件都包含 if __name__ == "__main__": 语句
3. 配置文件分离，避免硬编码
4. 使用日志记录而不是print语句

依赖说明

• pandas
• numpy
• scikit-learn
• matplotlib
• seaborn
• shap

浙大疏锦行