1.定义问题：
在银行业发展的上百年的历史中，它推动了整个经济社会的不断发展，无论是对于社会发展还是自身成长都取得了很大的成就。但是用户出现还贷违约的风险是银行运营中资金的最大风险。过去银行的贷款可以通过调查借贷人的明显资产总数，如房产、车、企业等，然后按比例折算给借贷人放款。如今借贷需求大量出现，银行如何降低借钱的风险。我们可以使用逻辑回归算法，从大量的历史个人数据，找出有那些关键特征数据可能影响用户违约。
2.准备数据：
我们得到的原始数据，可能是这样的。
经过对原始数据进行分析，发现教育和地址都是中文数值，这样的数值不能适应逻辑，回归算法无法预测是否与教育和地址有关。我们需要对这两类数据进行特殊的编码，如：学历由低到高采用阿拉伯数值代替教育背景。地址可以由全国各个省市的人均可支配收入进行由高到低的排列。（这样的编码方式可能不是最优，但是在同一次分析中相同属性必须采用同一种编码规则。将文本数据规范化是预处理中最需要做的）
预处理之后的数据如下：
用于计算的数据全部为数值类型。这样的数据就可以套用逻辑回归算法，找出违约用户可能与那些属性紧密相关。
3.分析方法：
逻辑回归算法不同于线性回归算法，后者一般是找出两者数据可能存在的线性关系y=ax+b并且尽量精确a和b的值。逻辑回归算法数据不是线性相关的，我们可以使用事件发生的几率来表示事件发生与不发生的比值，假设发生的概率是p（取值在0~1范围），那么发生的几率是p/(1-p)，取值0~正无穷大，几率越大，发生的可能性越大。将其设为数学模型就是logit函数：
那么logit函数图如下：
对于客户违约预测，通过过往历史数据，找出用户是否违约关系很紧密的属性。假设用户违约，同时他们的银行负载几率都是特别高，就可以发现用户是否会违约与银行负载几率关系紧密。
代码如下：
# coding=utf-8
#逻辑回归，自动建模importpandasaspd
#初始化参数filename ='data/bankloan.xls'
data = pd.read_excel(filename)
x = data.iloc[:,:8].as_matrix()#8个属性y = data.iloc[:,8].as_matrix()#第九列结果标签
#导入逻辑回归模型fromsklearn.linear_modelimportLogisticRegressionasLR
fromsklearn.linear_modelimportRandomizedLogisticRegressionasRLR
#建立随机逻辑回归模型，筛选变量rlr = RLR()
#训练模型rlr.fit(x,y)
#获取特征筛选结果，也可以通过.scores_方法获取各个特征的分数rlr.get_support()
print(u'通过随机逻辑回归模型筛选特征结束。')
print(u'有效特征为：%s'%','.join(data.columns[rlr.get_support()]))
#筛选好特征x =data[data.columns[rlr.get_support()]].as_matrix()
#建立逻辑回归模型lr = LR()
#用筛选后的特征数据来训练模型lr.fit(x,y)
print(u'逻辑回归模型训练结束。')
#给出模型的平均正确率，本例为81.4%print(u'模型的平均正确率为：%s'%
lr.score(x,y))
4.结论：
该段代码输出：用户是否违约与工龄、地址、负债率、信用卡负债关联特别高。并且根据历史数据计算出关联性的可信度81.4%。
通过这个模型的计算与分析，银行在对新借贷用户是否放款的问题上，可以对用户的工作工龄，用户居住地址，用户负载率和过往信用卡负债情况进行深入调查，然后决定放贷情况。
