贷款审批数据挖掘分析系统

项目简介

本项目是一个完整的贷款审批数据挖掘分析系统，采用多种数据挖掘技术来研究贷款审批的关键因素和预测模型。系统包含数据预处理、聚类分析、关联规则挖掘等核心功能模块。

功能特性

🔍 数据预处理

• 数据读取与探索性分析（EDA）
• 缺失值处理与异常值检测
• 类别特征编码（LabelEncoder/OneHotEncoder）
• 数值特征标准化
• 数据可视化分析

🎯 聚类分析

• K-Means聚类算法
• 多种k值选择方法（Elbow、Silhouette、Davies-Bouldin）
• PCA降维可视化
• 聚类结果分析与解释

🔗 关联规则分析

• FP-Growth频繁项集挖掘
• 关联规则生成与评估
• 支持度、置信度、提升度分析
• 规则网络图可视化

📊 综合分析

• 完整流程自动化
• 综合报告生成
• 关键洞察提取
• 结果导出（Excel格式）

项目结构

loan_analysis/
│── loan_approval.csv          # 原始数据集
│── data_preprocessing.py      # 数据预处理模块
│── clustering_analysis.py     # 聚类分析模块
│── association_rules.py       # 关联规则分析模块
│── main.py                   # 主程序入口
│── requirements.txt          # 依赖包列表
│── README.md                 # 项目说明文档
│── loan_analysis_notebook.ipynb  # 分析概述笔记本

安装与使用

环境要求

• Python 3.8+ (注意：Python 3.14可能存在networkx兼容性问题)
• 推荐使用虚拟环境
• 如果遇到networkx导入问题，请使用 association_rules_simple.py 模块

安装依赖

pip install -r requirements.txt

快速开始

方法1：运行完整流程

from main import LoanDataMiningPipeline

# 创建分析流程
pipeline = LoanDataMiningPipeline('loan_approval.csv')

# 运行完整分析
results = pipeline.run_complete_analysis()

# 保存结果
pipeline.save_results('results.xlsx')

方法2：分步执行

# 1. 数据预处理
from data_preprocessing import LoanDataPreprocessor
preprocessor = LoanDataPreprocessor('loan_approval.csv')
X, y, raw_data = preprocessor.run_preprocessing()

# 2. 聚类分析
from clustering_analysis import LoanClusteringAnalyzer
clustering_analyzer = LoanClusteringAnalyzer(X, y)
cluster_data, k_results = clustering_analyzer.run_clustering_analysis()

# 3. 关联规则分析
from association_rules import LoanAssociationAnalyzer
association_analyzer = LoanAssociationAnalyzer(raw_data)
rules, approval_rules = association_analyzer.run_association_analysis()

方法3：使用Jupyter笔记本

打开 loan_analysis_notebook.ipynb 文件，按顺序执行各个分析步骤。

数据格式

输入数据要求

CSV文件，包含以下字段：

• name: 申请人姓名
• city: 城市
• income: 收入
• credit_score: 信用评分
• loan_amount: 贷款金额
• years_employed: 工作年限
• points: 积分
• loan_approved: 贷款审批结果（True/False）

输出结果

• 预处理后的特征数据
• 聚类分析结果
• 关联规则列表
• 综合分析报告（Excel格式）

核心算法

聚类分析

• K-Means: 基于距离的无监督聚类算法
• PCA: 主成分分析降维
• 评估指标: Silhouette Score, Davies-Bouldin Index

关联规则

• FP-Growth: 频繁模式增长算法
• 评估指标: 支持度(Support), 置信度(Confidence), 提升度(Lift)

参数配置

聚类分析参数

# 在 clustering_analysis.py 中调整
max_k = 10  # 最大聚类数

关联规则参数

# 在 association_rules.py 中调整
min_support = 0.1      # 最小支持度
min_confidence = 0.5   # 最小置信度
min_lift = 1.0         # 最小提升度

结果解读

聚类分析结果

• Silhouette Score: 值越接近1表示聚类效果越好
• Davies-Bouldin Index: 值越小表示聚类效果越好
• 聚类中心: 描述各聚类的典型特征

关联规则结果

• 支持度: 规则在数据集中出现的频率
• 置信度: 规则的可信程度
• 提升度: 规则的有效性，大于1表示正相关

扩展功能

自定义分析

可以继承基础类来实现自定义分析：

class CustomAnalyzer(LoanDataPreprocessor):
    def custom_analysis(self):
        # 自定义分析逻辑
        pass

添加新的聚类算法

from sklearn.cluster import DBSCAN
# 在 clustering_analysis.py 中添加新的聚类方法

常见问题

Q: 如何处理中文显示问题？

A: 确保系统安装了中文字体，代码中已设置 plt.rcParams['font.sans-serif'] = ['SimHei']

Q: 内存不足怎么办？

A: 可以调整数据采样或使用更高效的算法参数

Q: 如何调整可视化效果？

A: 修改各模块中的 figsize 和 dpi 参数

贡献指南

欢迎提交Issue和Pull Request来改进项目！

许可证

MIT License

联系方式

如有问题，请通过Issue联系。