📢2024-2025-2-CMP245-Python与大数据分析-课程大作业通知

⚠️ 严正声明

本次课程大作业是 Python 与大数据分析 课程的重要组成部分，旨在培养同学们的独立思考与实践能力。老师的初衷是通过引入更具趣味性的内容，让编程课程不再枯燥乏味，同时激发大家的学习兴趣。为此，老师在评估方式设计上倾注了大量心血，并将严查舞弊现象，不排除采取必要的查证手段，包括可能的“钓鱼执法”。希望同学们能够理解并珍惜这份良苦用心。

其实，安排一次传统的闭卷考试对老师而言更为省事，但选择这种更具挑战性的方式，付出极大精力开发软件，吃力不讨好，是为了让大家能够真正掌握知识、提升能力，从而受益长远。然而，部分同学的行为却违背了公平竞争的原则，影响了那些认真努力学习的同学。

古人云：“千里之行，始于足下。”又曰：“不积跬步，无以至千里。”作为学子，无论校园内外，当以诚信为本，恪守正道。规则的存在并非束缚，而是为公平与秩序提供保障。世事或有不公，此非投机取巧之遁词；革弊求新，正需积累之功、寸进之力。真正的成长，在于敬畏规则，砥砺德行，日臻完善。

老师的良苦用心在于希望大家能够通过实践与探索，真正掌握知识，提升能力，而非仅仅追求短期成绩。愿诸君珍惜当下，莫负韶华与期盼，方能行稳致远，未来可期。

请大家务必遵守规则，杜绝任何舞弊行为。接受举报，举报邮箱 6.00@163.com

📷 插图展示

🚨 涉嫌舞弊人员名单

以下为涉嫌舞弊的人员名单（红色字体标注），课程负责人将联合信息处负责人进行追查：

某同学375350157 某同学745706177
某同学_1楼主
SunnyBlossoming可指导
某同学5nyxa8b
某同学5nyv2hg
QQ1129888135

⚠️ 提醒

课程负责人将与信息处负责人一同追索上述涉嫌舞弊人员，并采取一切必要手段，包括可能的“钓鱼执法”。
请注意：你们能上的网站，课程老师也能上去，而且能看到全貌。
期末一旦发现舞弊行为，相关材料将上报教务处，按照作弊处理，存在学位吊销风险。

📌 大作业名称：谁会提出保险索赔？

⏰ 截止时间：2025年6月29日 23:59

作业下载：2025-期末大作业.zip

一、项目背景

在现代保险行业中，精准识别可能提出索赔的客户，对于控制风险、优化保费结构具有重要意义。现实中，车险客户索赔数据极度不平衡，绝大多数客户在保险期间内并不会提出索赔申请，只有极少数会。

本次项目要求同学们以“保险侦探”的身份，利用所学的 Python 数据分析与建模技能，对车险客户数据进行建模预测，判断客户在保单有效期内是否有索赔行为，从而：

帮助保险公司合理控制风险；
精细化定价和产品设计；
降低理赔成本；
提供更公平的服务给客户。

二、任务目标与提交内容

✅ 任务要求

你需要使用训练数据构建分类模型，并预测测试集中每位客户的索赔概率（取值在 0 到 1 之间）。此外，还需撰写完整项目报告，提交所有相关成果。

📄 提交内容

内容	文件格式	要求
预测结果	`.csv`	共 17578 行 × 1 列，每行为客户索赔概率，无表头
项目首页	`.doc` / `.pdf`	包含项目标题、姓名、学号等
报告正文	`.doc` / `.pdf`	内容详实，包括数据处理、建模过程、模型评估等
源代码	`.ipynb` / `.py` / `.zip`	模型训练、预测代码需完整、可运行

⚠️ 严禁抄袭、共享测试集或提交他人结果，一经发现将按59.99 分处理。

三、📤 提交方式说明

为确保作业提交的规范性和完整性，本课程采用专用软件进行作业提交与评分。请务必按照以下方式完成：

提交软件获取

软件下载地址：[期末大作业.exe]
软件开放时间：2025年6月21日 23:59
运行限制：该软件仅允许在 一台主机上运行，原因你懂的。

四、数据说明及获取方式

📂 数据位置说明

训练集（train.csv）
- 📍 位置：下载的作业包中的 "6-数据集" 文件夹内
- 行数：41015
- 列数：40
- 包含目标变量 claim_status（1=索赔，0=未索赔）
测试集（test.csv）
- 📍 获取方式：在指定时间通过 期末考试.exe 软件获取
- 行数：17579
- 列数：39（无 claim_status）
- ⚠️ 注意：测试集将在考试期间限时开放

📅 重要时间节点

时间节点	说明
现在 - 2025年6月29日 23:59	作业截止时间
考试期间	测试集数据通过期末考试.exe获取

五、字段举例

字段名称	类型	含义
`subscription_length`	float	保单生效时长（年）
`vehicle_age`	float	车辆使用年限
`customer_age`	int	投保人年龄
`region_density`	int	地区人口密度
`segment`	string	市场细分等级（如 B1、C2）
`airbags`	int	安全气囊数量
`ncap_rating`	int	安全评级（1-5星）
`claim_status`	int	是否索赔（仅训练集中）

六、⚠️ 重要提醒

数据获取流程

第一步：下载作业包，从"6-数据集"文件夹获取训练数据
第二步：使用训练数据进行模型开发和调试
第三步：在指定考试时间启动期末考试.exe获取测试数据
第四步：使用训练好的模型对测试数据进行预测
第五步：在截止时间前提交所有成果

📋 提交检查清单

[ ] 预测结果文件（.csv格式，17578行×1列，无表头）
[ ] 项目首页（包含姓名、学号等基本信息）
[ ] 详细报告（数据处理、建模过程、模型评估）
[ ] 完整源代码（可运行的模型训练和预测代码）
[ ] 确认所有文件在截止时间前提交

六、结果文件示例生成代码

import pandas as pd
import numpy as np

# 假设 predictY 是你预测的概率值 DataFrame
predictY = pd.DataFrame(np.random.uniform(0, 1, 17578).reshape(17578, 1))
predictY.to_csv('Results.csv', encoding='utf-8', index=False, header=False)

七、模型评估标准：AUC（Area Under Curve）

本项目以 AUC 值 作为主要评估指标；
AUC 衡量模型在所有可能阈值下的区分能力；
特别适用于类别极度不平衡的数据集；
不受分类阈值影响，体现模型对正负样本排序的整体性能。

示例代码：

from sklearn import metrics

# y_true 为真实标签，y_pred 为预测概率
fpr, tpr, _ = metrics.roc_curve(y_true, y_pred)
auc_score = metrics.auc(fpr, tpr)
print("AUC:", auc_score)

八、参考资料

Scikit-learn 官方文档：https://scikit-learn.org
AUC 详解：https://baike.baidu.com/item/AUC/19282953

目录