客户违约预测模型搭建
本节将通过搭建客户违约预测模型来学习决策树模型在金融领域的应用，并会讲解衡量-个模型预测效果优劣的一些方法，最后通过可视化的方式呈现决策树模型。
运行结果见下表。其中共有1000组数据，前400条为违约客户记录，后600条为非违约客户记录。因为 Python在数学建模中无法识别文本内容，所以“性别”和“是否违约”列中的内容已经做了数值化处理。在“性别”列中，0表示男，1表示女:在“是否违约”列中，0表示不违约，1表示违约。我们的目的就是根据这些历史记录搭建决策树模型，来预测之后的客户的违约可能性。
其中“是否违约”列作为目标变量，其余5个列作为特征变量，通过研究一个借款客户的特征变量来判断其是否会违约。为了方便演示，这里只选取了5个特征变量，在商业实战中用到的特征变量会多得多。
接下来进入决策树模型的搭建，这是大部分机器学习模型搭建中的常规步骤。
