使用designer预置的线性回归算法模板进行贷款发放预测 - 人工智能平台 PAI

线性回归是数理统计中的回归分析方法，可以确定两种或两种以上变量之间相互依赖的定量关系。Designer预置了线性回归算法模板，便于您通过农业贷款的历史发放情况，快速实现贷款发放预测。本文为您介绍Designer线性回归算法预置模板的具体使用方法。

背景信息

农业贷款发放问题是一个典型的数据挖掘问题。贷款发放人通过历史贷款数据（包括贷款人的年收入、种植作物种类及历史借贷信息等）构建经验模型，并预测受贷人的还款能力。

说明

本工作流数据为虚构，仅供学习。

本工作流的数据集包括如下字段。

进入Designer页面。
1. 登录PAI控制台。
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应的工作空间。
3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 可视化建模（Designer），进入Designer页面。

构建工作流。

在Designer页面，单击预置模板页签。
在工作流模板列表的农业贷款预测的回归算法实现区域，单击创建。
在新建工作流对话框，配置参数（可以全部使用默认参数）。
其中：工作流数据存储配置为OSS Bucket路径，用于存储工作流运行中产出的临时数据和模型。
单击确定。
您需要等待大约十秒钟，工作流可以创建成功。
在工作流列表，选择农业贷款预测的回归算法实现工作流，单击进入工作流。

系统根据预置的模板，自动构建工作流，如下图所示。

区域	描述
①	读数据表读入的数据为工作流数据集，包括：贷款训练集：共一百条历史贷款数据，包括farmsize及rainfall等特征，用于训练回归模型。其中claimvalue表示贷款收回的金额。贷款预测集：共七十一人，指今年申请贷款者。其中claimvalue表示申请的贷款金额。本工作流通过贷款训练集中的历史数据，预测为贷款预测集中的哪些申请人发放贷款。
②	根据含义将字符串类型的数据映射为数字。以region字段为例，先将其中的north、middle及south按照从北到南的顺序分别映射为0、1及2，再将其转换为DOUBLE类型。
③	首先使用线性回归组件对历史数据进行训练并生成回归模型。然后在预测组件中利用回归模型对预测数据集进行贷款发放预测。最后通过合并列组件将用户ID、预测值及申请的贷款值合并，结果如下图所示。其中prediction_score表示用户的还贷能力（预期可以归还的金额）。
④	使用回归模型评估组件进行模型评估，评估指标详情请参见评估指标。
⑤	通过过滤与映射组件筛选可以获得贷款的用户。对于每个申请贷款人，如果预测获得该贷款人的还款能力大于其申请的贷款金额，则发放贷款。

表 1. 评估指标

运行工作流并查看输出结果。
1. 单击画布上方的运行按钮，运行工作流。
2. 工作流运行结束后，右键单击画布中的过滤与映射，在快捷菜单，单击查看数据 > 输出，即可查看可以为其发放贷款的用户。