2020年数学建模国赛C题思路及代码.pdfVIP

2020年数学建模国赛C题思路及代码

问题⼀⼆的重点在于

1.是否贷款

2.贷多少款

数清洗

我的思路主要是使⽤随机森林进⾏违约概率的预测，第⼀步就是需要将原始数清洗处理，提取所需的特征。

1.将发票是否有效处理成0-1数，将信誉评级处理成（1，2，3，4）并将xlsx的⽂件格式转为csv的⽂件格式python处理起来更加

⽅便。

2.选取训练特征

进项作废⽐,净利润率,销项作废⽐,负税压⼒,销售交易数,客户数量,发票时间

⼀共选取了七个特征进⾏处理

作废⽐：分别将进项与销项的⽆效发票数与有效发票数作⽐，⼀定程度反应企业的交易成功率

净利润率：计算每家企业的盈利能⼒

负税压⼒：计算所交的所有税与销售量的⽐值

销售交易数：有效销售发票个数

客户数量：购房单位的不同数量

发票时间：所有发票持续的时间天数

3.程序代码

#数转换

#sheet1=pd.read_excel(./data/302Loan.xlsx,sheet_name=1)

#sheet1.to_csv(./data/302otpt.csv,index=False,encoding=tf8)

#sheet2=pd.read_excel(./data/302Loan.xlsx,sheet_name=2)

#sheet2.to_csv(./data/302inpt.csv,index=False,encoding=tf8)

#print(数转换完成)

#

#################################

#数清洗

data_in=pd.read_csv(./data/inpt.csv)

data_ot=pd.read_csv(./data/otpt.csv)

data_in[是否有效]=data_in[发票状态].apply(lambdas:1ifs==有效发票else0)

data_ot[是否有效]=data_ot[发票状态].apply(lambdas:1ifs==有效发票else0)

Conpanies=data_in[企业代号].niqe()

colmn=[企业代号,进项作废⽐,净利润率,销项作废⽐,负税压⼒,销售交易数,客户数量,发票时间]

temp=[]

foriinConpanies:

Conpany_in=data_in.loc[data_in[企业代号]==i,:]

Conpany1_in=Conpany_in.loc[Conpany_in[是否有效]==1,:]

cont1_in=Conpany1_in.shape[0]

sm1_in=Conpany1_in.iloc[:,4:6].sm(axis=0)

a1_in,b1_in=sm1_in

Conpany0_in=Conpany_in.loc[Conpany_in[是否有效]==0,:]

cont0_in=Conpany0_in.shape[0]

sm0_in=Conpany0_in.iloc[:,4:6].sm(axis=0)

a0_in,b0_in=sm0_in

rate_in=cont0_in/cont1_in

nms_in=Conpany1_in[销⽅单位代号].niqe()

Conpany_ot=data_ot.loc[data_ot[企业代号]==i,:]

Conpany1_