Vizualizace odlehlých hodnot v úvěrových datech
V sloupci person_emp_length jsi objevil/a odlehlé hodnoty – konkrétně záznamy s hodnotou větší než 60, které výrazně vybočovaly z normy. Podobně je na tom sloupec person_age: selský rozum říká, že žadatel o úvěr starší 100 let je krajně nepravděpodobný.
Visualizace dat je dalším snadným způsobem, jak odlehlé hodnoty odhalit. Pomocí numerických sloupců jako loan_amnt a loan_int_rate můžeš vytvořit grafy ve vztahu k person_age a odlehlé hodnoty tak snadno najít.
Dataset cr_loan je v pracovním prostředí už načtený.
Toto cvičení je součástí kurzu
Credit Risk Modeling in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()